본 논문은 대화형 감정 인식(ERC) 분야에서 대규모 언어 모델(LLM)의 성능 향상을 목표로, Prompt engineering, demonstration Retrieval, Curriculum learning을 통합한 새로운 ERC 훈련 프레임워크인 PRC-Emo를 제안한다. 명시적, 암묵적 감정 단서를 모두 활용하는 감정 민감 프롬프트 템플릿 설계, ERC 전용 데모 검색 저장소 구축, 동일/상이 화자 간의 가중치 감정 변화를 통해 난이도를 조절하는 LoRA 파인튜닝 기반 커리큘럼 학습 전략을 제시한다. IEMOCAP과 MELD 데이터셋에서 새로운 SOTA(state-of-the-art) 성능을 달성하여 LLM 기반 감정 이해 개선의 효과와 일반성을 입증했다.
