arXiv · cs.AI· Baihan Lin·· 1 天前
语言模型对抑郁程度的评分更多反映评分者而非患者
Language-model ratings of depression reflect the rater more than the patient
arXiv:2610.08501v1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：Baihan Lin
研究任务与主要进展
基于论文摘要，研究预注册了由11个开放模型、不同提示和评分设置组成的880个语言模型评分者，并用189次访谈对照八项患者健康问卷。结果显示，模型选择解释总症状评分方差的30.0%，稳定个体差异仅占10.5%；两名随机评分者在AUC≥0.70时对筛查结果有40%的分歧。对86次新访谈的锁定分析复现了主要发现，探索性校准使准确率由约60%升至75%并将分歧减半，但仍约五分之一参与者的判断不同。
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