愤怒的男人，悲伤的女人：大语言模型在情感归因中反映性别刻板印象

大语言模型反映了社会规范和偏见，尤其是关于性别的偏见。尽管社会偏见和刻板印象在各种 NLP 应用中已被广泛研究，但在情感分析方面却存在惊人的空白。然而，情感与性别在社会话语中密切相关。例如，女性通常被认为更具同理心，而男性的愤怒则更容易被社会接受。为了填补这一空白，我们针对五个最先进的 LLM（开源与闭源）进行了关于性别化情感归因的首次全面研究。我们调查了情感是否具有性别特征，以及这些差异是否基于社会刻板印象。我们提示模型采用特定性别人设，并对诸如“当我和一个亲近的人发生严重争吵”这样的事件进行情感归因。随后，我们分析了模型生成的情感与性别-事件对之间的关系。我们发现，所有模型均一致地表现出受性别刻板印象影响的性别化情感。这些发现与心理学和性别研究中既有的研究相符。我们的研究揭示了语言、性别与情感之间复杂的社会互动。LLM 中情感刻板印象的再现使我们能够利用这些模型详细研究该主题，但也对这些 LLM 在情感应用中的预测性用途提出了疑问。