TEMPER：情緒擾動對定量推理的測試
arXiv - Computation and LanguageAtahan Dokme, Benjamin Reichman, Larry Heck
情緒化語境會降低大型語言模型在定量推理任務的準確度，且透過中性化可恢復大部分效能。
AI 幫你先抓重點
AI 重點 1
情緒風格本身即為推理性能的主要脆弱點，非語義或數值錯誤。
滑鼠懸停看 AI 判斷理由
這揭示大型語言模型在面對真實情境時，情緒語氣會干擾內部推理機制，提示在實務部署前需加入情緒中性化或情緒辨識層。
AI 重點 2
中性化策略可作為輕量級推理時緩解手段，快速恢復效能。
滑鼠懸停看 AI 判斷理由
此方法不需額外訓練，能在推理階段即時調整輸入，對於需要即時回應的教育應用具備高可行性。
核心研究發現
- 1
情緒化翻譯框架將問題轉換為情緒變體，保留所有數值與關係，並在GSM8K、MultiArith、ARC-Challenge上生成5,400對情緒-中性樣本。
- 2
在18個模型（1B至前沿規模）上測試，情緒化語境使準確率下降2-10個百分點，即使數值內容未變。
- 3
將情緒變體中性化後，幾乎恢復原始性能，證明降效源於情緒風格而非內容破壞；非情緒同義改寫不造成降效。
對教育工作者的啟發
對於教育科技產品，建議在輸入前加入情緒中性化模組，或在模型訓練時加入情緒多樣化資料，以提升在學生真實提問中的推理準確度。若無法改寫輸入，可在推理階段即時將情緒語句轉為中性表達，減少2-10%準確率下降。此策略不需額外訓練，成本低，適合即時回應系統。
原始文獻資訊
- 英文標題：
- TEMPER: Testing Emotional Perturbation in Quantitative Reasoning
- 作者：
- Atahan Dokme, Benjamin Reichman, Larry Heck
- 來源：
- arXiv - Computation and Language
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。