PulseAugur
中
实时 11:58:03
English(EN) A Systematic Evaluation of Large Language Models for PTSD Severity Estimation: The Role of Contextual Knowledge and Modeling Strategies

LLM在增强上下文的情况下显示出在PTSD严重程度估算方面的潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新研究发表在arXiv上，评估了11个大型语言模型（LLM）从临床叙述中估算PTSD严重程度的性能。研究发现，当提供详细的背景信息（如子量表定义和访谈问题）时，LLM的表现最佳，并且增加的推理工作量可以提高准确性。像Llama和DeepSeek这样的开放权重模型在超过70B参数后表现出现平台期，而像gpt-o3-mini和GPT-5这样的闭源模型随着新一代的出现而持续改进。该研究还表明，LLM能够区分PTSD严重程度与其他疾病，并预测未来的医疗支出。 AI

影响 LLM在心理健康评估中展现出临床应用的潜力，尤其是在增强背景知识和推理策略方面。

排序理由 发表在arXiv上的研究论文，详细介绍了LLM在特定任务上的性能。[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) · Panagiotis Kaliosis, Adithya V Ganesan, Oscar N. E. Kjell, Whitney Ringwald, Scott Feltman, Melissa A. Carr, Dimitris Samaras, Camilo Ruggero, Benjamin J. Luft, Roman Kotov, Andrew H. Schwartz ·

    A Systematic Evaluation of Large Language Models for PTSD Severity Estimation: The Role of Contextual Knowledge and Modeling Strategies

    arXiv:2602.06015v2 Announce Type: replace Abstract: Large language models (LLMs) are increasingly being used in a zero-shot (generative) fashion to assess mental health conditions, yet we have limited knowledge on what factors affect their accuracy. In this study, we use a clinic…

相关实体

相关话题