anxiety
PulseAugur coverage of anxiety — every cluster mentioning anxiety across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新基准标准化心理健康分类的机器学习
研究人员推出了 Neurai-VN Benchmark，这是一个用于评估机器学习模型在数字表型分析心理健康分类中的标准化框架。该基准建立在 Neurai-VN 数据集之上，该数据集包含 100 名越南成年人两周的被动传感和主动评估数据。该研究建立了基线性能指标，在区分健康个体与抑郁或临床状况个体方面达到了高达 0.71 的 F1 分数，在区分健康个体与焦虑个体方面达到了 0.69。
-
LLM在抑郁症检测方面展现出潜力，但在严重程度评估方面存在困难
研究人员探索了使用大型语言模型（LLM）从社交媒体文本中检测抑郁症。他们的研究将零样本LLM与传统的监督分类器进行了比较，发现虽然零样本LLM在二元抑郁症分类方面表现良好，但在预测抑郁症严重程度方面存在困难。在LLM生成的摘要嵌入上训练的监督模型在多类和有序分类任务上表现出更高的准确性。研究结果表明，将LLM用作语义解释器，而不仅仅是端到端分类器，可以带来更有效和可解释的心理健康评估系统。
-
AI智能体现可模拟七种心理障碍
研究人员开发了一种在强化学习智能体中模拟心理障碍的新颖框架，超越了单次运行、手动调整的方法。这种新方法允许对认知评估信号进行剂量可控的操纵，以诱导七种不同的障碍，包括焦虑、躁狂和抑郁，每种障碍都通过特定的检测方法进行测量。在超过一千次实验运行中，诱导的障碍表现出分级、剂量依赖的反应，而对照组未能复制，这表明了一种模拟AI情感表型的鲁棒且可控的方法。
-
城市环境加剧了积极出行对心理健康益处方面的不平等
一项利用因果机器学习对超过26万英国成年人进行的新研究表明，从步行和骑行等积极出行中获得的心理健康益处存在显著的不平等。这些差异不仅是个体化的，而且受到城市环境的强烈影响，在支持性较差的社区中，益处会随着时间的推移而减弱。研究表明，绿色、安全、污染较少的地区能带来最大的心理健康优势，而遗传因素在这些影响中的作用很小。研究结果表明，如果未考虑环境和个体差异，广泛推广积极出行可能会无意中加剧健康不平等。
-
新的RSPC基准评估LLM在心理健康和关系动态方面的能力
研究人员开发了一个新的基准——关系压力与精神病语料库（RSPC），用于对数字中介关系中的压力和精神疾病进行建模。该语料库包含1,799个已注释的Reddit帖子，用于评估七个Transformer模型和五个大型语言模型在疾病分类和关系触发因素检测等任务上的表现。Claude 3 Haiku在疾病分类方面表现优异，而GPT-4o在识别关系触发因素方面表现出色，凸显了不同模型的独特能力。