大型语言模型是否对情感敏感？
原文中文，约300字，阅读约需1分钟。发表于：。本文研究了大型语言模型（LLMs）对文本情感的检测和反应能力，填补了对其情感处理能力的评估缺口。通过一系列实验，发现LLMs在情感识别中存在一定敏感性，但准确性和一致性有显著差异，提示需改进其训练流程，以更好捕捉细微的情感线索。
本研究评估了GPT-4和GPT-3.5在纵向情感分析任务上的性能。微调的GPT-3.5在术语提取和极性分类任务上获得了83.8的最优F1分数，比InstructABSA提高了5.7%。模型参数增加了1000倍，推理成本也增加了。研究结果还表明，在零痕迹和少痕迹环境中，详细提示可以提高性能，但对于微调模型来说并非必要。这对于ABSA中使用LLMs时的提示工程和微调选择具有相关性。
