一项新研究调查了在大语言模型（LLMs）上进行微调与提示（prompting）在土耳其情感分析中的有效性。研究发现，在三分类情感分析任务中，微调的BERTurk模型优于提示的LLMs，尤其是在处理中性评论时。研究结果表明，虽然LLMs显示出潜力，但监督微调对于稳健的情感分析仍然至关重要，尤其是在包含中性类别时。 AI
影响 尽管大语言模型兴起，微调仍然是专业NLP任务的关键技术。
排序理由 该集群包含一篇详细介绍LLM性能研究结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.29614v1 Announce Type: cross Abstract: This study examines whether supervised fine-tuning remains necessary for Turkish sentiment analysis in the era of large language models. We compare classical machine learning methods, fine-tuned pretrained language models, and pro…
This study examines whether supervised fine-tuning remains necessary for Turkish sentiment analysis in the era of large language models. We compare classical machine learning methods, fine-tuned pretrained language models, and prompted large language models on a Turkish e-commerc…