この記事では、対話における感情認識（ERC）の重要性と、大規模言語モデル（LLM）がその能力をどう発展させられるかについて論じています。作者たちは新しいERCトレーニングフレームワーク「PRC-Emo」を提案し、プロンプトエンジニアリング、デモンストレーションリトリーバル、カリキュラム学習を統合しています。具体的には、明示的および暗示的な感情に基づいた感情に敏感なプロンプトテンプレートを設計し、LLMが話者の心理状態を理解するのを助けることを目指しています。また、初めての専用デモリトリーバルリポジトリを構築し、大規模データセットからのトレーニングサンプルや高品質な対話例を組み込んでいます。さらに、同一話者と異なる話者の発話間の感情変化を加味したカリキュラム学習戦略を導入し、対話サンプルを難易度別に整列させたトレーニング序列を作成しました。実験結果は、IEMOCAPとMELDというベンチマークデータセットで新たな最先端の成果を示しています。