大语言模型情感检测的跨语言功能向量研究

研究检验了功能向量（FVs）在多语言多标签情感识别任务中的跨语言迁移能力，发现从源语言提取的 FVs 无需推理时提供示例即可引导另一语言的任务行为，在干净与扰动零样本设置下均显著提升性能。每个 LLM 存在相对稳定的最优注意力头区间用于构建有效 FVs，且该模式跨语言一致。FVs 可部分复现标准少样本上下文学习的任务引导效果，同时避免处理多个示例的计算开销。