研究人员对用于从临床访谈中检测抑郁症的基准进行了全面审计。他们的分析显示，不同评估协议之间存在显著差异，包括交叉验证和官方测试集划分，并且排名靠前的模型在迁移到外部数据集时表现往往不佳。研究还发现，与基于音频的模型相比，基于文本的模型在症状密集的访谈片段上的性能有显著提升。 AI
影响 凸显了人工智能模型在心理健康评估中潜在的不可靠性，并敦促谨慎部署。
排序理由 该集群包含一篇详细介绍新评估方法和研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
