本文是LLM系列文章，针对《Bias in Emotion Recognition with ChatGPT》的翻译。
本技术报告探讨了ChatGPT从文本中识别情绪的能力，这可以作为交互式聊天机器人、数据注释和心理健康分析等各种应用程序的基础。虽然先前的研究已经表明ChatGPT在情绪分析方面的基本能力，但它在更细微的情绪识别方面的表现尚未得到探索。在这里，我们进行了实验，以评估其在不同数据集和情绪标签上的情绪识别性能。我们的研究结果表明，其性能具有合理的再现性水平，通过微调可以显著改善。然而，不同的情绪标签和数据集的表现各不相同，突出了固有的不稳定性和可能的偏见。数据集和情绪标签的选择显著影响ChatGPT的情绪识别性能。本文阐明了数据集和标签选择的重要性，以及微调在增强ChatGPT情感识别能力方面的潜力，为在使用ChatGPT的应用程序中更好地集成情感分析奠定了基础。
我们对ChatGPT在情感识别方面的能力的探索揭示了它的潜力和陷阱。虽然该模型表现出了令人印象深刻的熟练程度，尤其是在微调时，但它很容易出现各种情绪标签和数据集之间的不一致。这些变化可能受到潜在偏见的影响，突出了细致的数据集和标签选择的重要性。随着在关键领域部署ChatGPT等模型的吸引力越来越大，谨慎和勤勉地进行集成至关重要，确保其应用程序在现实世界中保持可靠和公正。