论文用情绪分析与规则过滤动态构建提示词，作者报告其优于 DSFT 和 RLAIF。
资讯摘要
论文提出 PromptSense 框架，在模型推理前先做情绪与抑郁分析，并加入基于规则的过滤机制，再依据情绪和风险信息动态构建提示词，以提升回复的情境相关性、共情能力和风险意识。作者对四种模型策略和两种提示工程变体进行评测，指标包括共情、有用性、清晰度、相关性、安全性，并用 Perspective API 评估毒性。作者报告提示工程方法分别比 DSFT 和 RLAIF 高 1.8% 和 1.1%。
要点速读
- 框架在模型推理前整合情绪与抑郁分析及规则过滤，动态生成提示词。
- 评测覆盖共情、有用性、清晰度、相关性、安全性及 Perspective API 毒性评估。
- 作者报告提示工程方法较 DSFT 和 RLAIF 分别提升 1.8% 和 1.1%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/1 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。