研究：LLM预测游戏情感标注仍逊于人类
热点事件持续更新
研究：LLM预测游戏情感标注仍逊于人类
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
David Melhart、Matthew Barthet 与 Georgios N. Yannakakis 发表论文，首次系统评估主流大语言模型在多模态提示下预测视频连续情感标注的能力。研究基于 GameVibe 语料库中 20 款第一人称射击游戏的 80 分钟标注录像，开展超 4,800 次实验，考察模型架构、规模、输入模态、提示策略与真值处理方法的影响。 结果显示，LLM 虽能超越传统机器学习基线，但整体仍落后于人类提供的连续体验标注，且在不同游戏间表现波动明显。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
大语言模型能否捕捉电子游戏参与度？LLM 预测游戏投入感仍逊于人类报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CL大语言模型能否捕捉电子游戏参与度？LLM 预测游戏投入感仍逊于人类
研究首次系统评估主流 LLM 在多模态提示下预测视频连续情感标注的能力，基于 GameVibe 语料库中 20 款第一人称射击游戏的 80 分钟标注录像，开展超 4,800 次实验，考察模型架构、规模、输入模态、提示策略与真值处理方法的影响。结果显示 LLM 虽能超越传统机器学习基线，但整体仍落后于人类提供的连续体验标注，且在不同游戏间表现波动明显。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。