PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Ben-Zion, Z.* ; Witte, K. ; Jagadish, A.K. ; Duek, O.* ; Harpaz-Rotem, I.* ; Khorsandian, M.C.* ; Burrer, A.* ; Seifritz, E.* ; Homan, P.* ; Schulz, E. ; Spiller, T.R.*

Assessing and alleviating state anxiety in large language models.

NPJ Digit. Med. 8:132 (2025)
Verlagsversion DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
The use of Large Language Models (LLMs) in mental health highlights the need to understand their responses to emotional content. Previous research shows that emotion-inducing prompts can elevate "anxiety" in LLMs, affecting behavior and amplifying biases. Here, we found that traumatic narratives increased Chat-GPT-4's reported anxiety while mindfulness-based exercises reduced it, though not to baseline. These findings suggest managing LLMs' "emotional states" can foster safer and more ethical human-AI interactions.
Impact Factor
Scopus SNIP
Altmetric
15.100
0.000
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Sprache englisch
Veröffentlichungsjahr 2025
HGF-Berichtsjahr 2025
ISSN (print) / ISBN 2398-6352
e-ISSN 2398-6352
Zeitschrift NPJ digital medicine
Quellenangaben Band: 8, Heft: 1, Seiten: , Artikelnummer: 132 Supplement: ,
Verlag Nature Publishing Group
Begutachtungsstatus Peer reviewed
Institut(e) Institute of AI for Health (AIH)
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-540011-001
DOI 10.1038/s41746-025-01512-6
PubMed ID 40033130
Erfassungsdatum 2025-05-11
[➜Korrektur melden]