English(EN) Language-model ratings of depression reflect the rater more than the patient

语言模型在抑郁症评估中显示出高度的评分者依赖性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

一篇新近发表在arXiv上的研究调查了语言模型在评估抑郁症症状方面的可靠性。研究人员发现，语言模型的选择和提示策略显著影响了抑郁症评分，占总症状评分差异的30%。即使在准确率很高的模型中，两名随机选择的评分者在约40%的参与者身上也存在筛查决策分歧。虽然校准提高了准确性并减少了分歧，但仍有相当一部分个体被不同评分者评估得不同。 AI

影响强调了在LLM驱动的诊断工具中进行稳健校准和标准化的必要性，以确保患者评估的一致性和可靠性。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了语言模型能力的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了语言模型能力的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Baihan Lin · 2026-10-07 04:00

语言模型对抑郁症的评级更多地反映了评估者而非患者

arXiv:2610.08501v1 Announce Type: cross Abstract: Depression has no diagnostic blood test. Language models promise tireless, consistent assessment, but can accurate raters disagree about individuals? We pre-registered 880 language-model raters, crossing 11 open models with prompt…

本文如何被排名

报道来源 [1]

语言模型对抑郁症的评级更多地反映了评估者而非患者

相关实体

相关话题