跳到正文
热点事件观察中

童年作文未能超越抑郁症状预测基线

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Daniel Kua等人基于英国出生队列报告,使用六项童年协变量的逻辑回归预测23岁疑似抑郁症状,在主要随机种子下取得0.737的AUC-ROC,优于仅使用11岁作文的最佳Transformer,后者为0.670。 研究比较了七种微调Transformer、词袋模型、冻结嵌入和四个零样本大语言模型;加入文本分数未可检测地提高基线AUC-ROC。五个领域预训练Transformer经Bonferroni校正后也未显示优于各自通用领域对照。结果属于arXiv论文报告,尚不能视为独立验证或临床预测能力证明。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月7日
  1. arXiv · cs.AI
    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

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。