arXiv · cs.AI· Daniel Kua, Emrul Hasan, John-Jose Nunez, Frances Chen·· 2 天前
六项童年协变量基线在12年后抑郁症状预测中优于文本Transformer
No Transformer Beats Six Covariates: Long-Horizon Prediction of Depressive Symptoms from Childhood Essays
arXiv:2610.07764v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Daniel Kua, Emrul Hasan, John-Jose Nunez, Frances Chen
研究任务与主要进展
Daniel Kua等人基于英国国家儿童发展研究，比较仅使用六项童年协变量的逻辑回归与七种微调Transformer、词袋模型、冻结嵌入和四个零样本大语言模型，预测23岁时的疑似抑郁症状；主要种子下，基线AUC-ROC为0.737，最佳Transformer为0.670。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org