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。详细提示可以提高性能，但对于微调模型来说并非必要。这些结果对于ABSA中使用LLMs的实践者具有相关性。

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。这对于在ABSA中使用LLMs时的提示工程和微调选择具有相关性。