PulseAugur
实时 11:18:50
English(EN) CUNY at CLPsych 2026: A Pipeline Approach to Classification and Summarization of Mental Health Changes

CUNY团队使用LLM进行心理健康变化分析

CUNY的研究人员为CLPsych 2026共享任务开发了一种使用社交媒体数据分析心理健康变化的管道方法。他们的系统结合了来自多个开源大语言模型的上下文学习,用于对自我状态进行分类和预测时间线变化。该管道还包括一个摘要组件,该组件利用上游预测来描述情绪随时间的变化动态,并在多个任务类别中获得最高排名。 AI

影响 展示了一种使用LLM分析心理健康趋势的新型管道,有可能改进早期检测和干预策略。

排序理由 学术论文,详细介绍了使用LLM分析心理健康变化的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Amirmohammad Ziaei Bideh, Shameed Charlomar Job, Ava Yahyapour, Alla Rozovskaya ·

    CUNY在CLPsych 2026:一种用于心理健康变化分类和摘要的管道方法

    arXiv:2605.24164v1 Announce Type: new Abstract: We describe our submission to the CLPsych~2026 Shared Task on capturing and characterizing mental health changes through social media timeline dynamics. To infer the dominant self-states in posts (Tasks 1.1 and 1.2), we ensemble in-…