研究：LLM与工具在社媒情感分析中一致性有限

发生了什么

据arXiv cs.CL论文，研究评估了TextBlob、VADER、Twitter-roBERTa-base及Qwen3-32B等三款LLM与六名人类标注员在100条推文上的一致性。结果显示，即便人类间仅存在“一般”一致性，凸显主观性。Twitter-roBERTa-base与人类评级对齐最强，尤其在区分负面与非负面情感时优于其他工具。LLM内部一致性高，但在正/非正分类中表现较好。研究强调领域微调及以人为中心的评估对建立金标准标签至关重要。