Resumen:El uso de Transfer Learning & Transformers ha mejorado constantemente la precisión y ha contribuido significativamente a la resolución de problemas computacionales complejos. Sin embargo, este transformador lideró la mejora de la precisión en Applied AI Analytics, específicamente en el análisis de sentimientos, y tiene el lado oscuro. Durante los experimentos se observa que muchas de estas mejoras en la precisión de una clase de sentimiento impulsadas por el transformador se han producido a costa de la polarización de otra clase de sentimiento y la falta de neutralidad. Esta falta de neutralidad plantea un problema grave en el espacio de la PNL aplicada, que depende en gran medida de los resultados computacionales del análisis de sentimientos para tareas confiables listas para la industria.
Publicado originalmente en export.arxiv.org el 22 de enero de 2026.
Ver fuente original
