研究人员开发了OAK-Mind,一个新颖的管道,它使用具身多智能体大语言模型(LLMs)从被动感知数据中推断心理健康变化,而无需进行特定任务的训练。该系统分析来自可穿戴设备和智能手机传感器的行为数据,并将其组织成睡眠、活动和活动能力等维度。基于心理健康文献的专业智能体解释纵向行为变化,并将其发现与基于问卷的症状评分相结合,以提供人类可读的解释。OAK-Mind在性能上与监督基线相当或更优,突显了基于知识的具身多智能体大语言模型在无训练心理健康推断方面的潜力。 AI
影响 这项研究展示了一种利用大语言模型(LLMs)在医疗保健领域的新方法,有可能实现更易于访问和持续的心理健康监测。
排序理由 这是一篇研究论文,详细介绍了使用大语言模型(LLMs)进行心理健康推断的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- large-language models
- multi-agent system
- OAK-Mind
- Smartphone Sensors for Health Monitoring and Diagnosis.
- Wearable Sensors
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →