arXiv cs.CLは9月26日(現地時間)、ヤージョウ・ジャン氏とジュンハオ・ユー氏による研究論文「Emo-Jev: Probabilistic Reasoning for Emotion Classification with Jev」を発表した。本論文は、言語理解インターフェース「Jev」を活用し、訓練なしで感情分類を行う新しいフレームワーク「Emo-Jev」を提案している。
Jevは、自由形式のテキスト応答ではなく確率的決定を生成する言語理解インターフェースとして設計されている。本研究は、このインターフェースが主要な大規模言語モデル（LLM）を用いたテキスト分類タスクにおいて、効果的な推論を支援できるかを検証するため、Emo-Jevの概念を導入した。
Emo-Jevフレームワークには、「Emo-Jev-D」と「Emo-Jev-SC」の二つの実装がある。Emo-Jev-Dは、感情分類タスクを原子的な判断に分解し、得られた個別の確率を統合して最終的な感情予測を導く。一方、Emo-Jev-SCは、複数の判断パスを構築し、各パスからの予測結果を集約して合意形成による決定を行うことで、堅牢な感情分類を目指す。
研究チームは、Emo-Jevの性能を評価するため、センチメント分析、感情認識、皮肉検出、ユーモア検出を含む合計八つのデータセットで広範な実験を行った。評価プロセスでは、Jevによる直接的な分類結果を、五つの最先端LLMと比較検討した。比較は、標準的な入出力タスクだけでなく、思考連鎖型推論（Chain-of-Thought reasoning）の条件下でも実施された。
評価結果によると、標準的なJevは平均マクロF1スコアで62.93%を達成した。これは、比較対象とされた最強のLLMベースラインの67.28%には及ばなかったものの、競争力のある性能を示した。また、Jevは運用において低い観測レイテンシと全体的に低いコストを実現できる可能性が示されており、今後の研究では、このアプローチのさらなる改善と適用範囲の拡大が課題となる。
参考: arXiv cs.CL (アーカイブ) — 2026年10月8日 13:00 (JST)