DSM-5
PulseAugur coverage of DSM-5 — every cluster mentioning DSM-5 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
研究使用NLP分析ADHD和ASD推特用户抑郁症状
一项发表在arXiv上的新研究，探讨了在推特上，有自报ADHD和ASD的个体表达抑郁症状的差异。研究人员使用经过微调的MentalRoBERTa模型进行高级自然语言处理，分析了近800名用户超过120万条推文。虽然该模型在症状分类方面取得了较高的F1分数，但其根据语言区分ADHD和ASD用户的能力却比较一般。研究结果表明，一些语言模式倾向于某种疾病而非另一种，但总体症状共现结构在两组之间基本共享。
-
LeNEPA：新的时间序列自监督学习方法减少对数据增强的依赖
研究人员推出了一种新颖的时间序列数据自监督学习方法LeNEPA，该方法不需要数据增强。LeNEPA利用因果骨干网络和下一个潜在标记预测目标，采用基于SIGReg的各向同性正则化以及用于损失计算的轻量级投影空间。在ECG数据和合成诊断语料库上的实验表明，LeNEPA能够更快地获得表示，并且即使在跨不同数据集重用其方法而不进行调整的情况下，也能保持有用的性能增益，在某些场景下优于类似的固定JEPA方法。
-
研究发现：大型语言模型安全防护不足以应对心理健康问题
一篇新近发表在arXiv上的研究评估了大型语言模型（LLMs）在心理健康领域的安全性，结果显示其针对各种DSM-5疾病的防护措施存在显著不足。研究发现，虽然模型在处理自杀和自残问题时表现可靠，但在饮食失调、物质使用障碍和重度抑郁症等疾病方面，其失败率高达100%。研究者们呼吁明确界定伤害类别并制定相应的安全防护措施，以减轻对弱势群体带来的风险，尤其是在这些模型日益融入教育环境的背景下。
-
AI工具通过聊天机器人和心理健康检测提升校园福祉
研究人员开发了旨在通过增强反馈收集和心理健康检测来改善校园福祉的人工智能工具。TigerGPT是一款聊天机器人，利用大型语言模型进行个性化调查，实现了高可用性和满意度。AURA是一个强化学习框架，用于优化后续问题以提高对话质量。在干预方面，PsychoGPT是一个在临床指南上训练的大型语言模型，有助于进行痛苦分类和症状评分，并采用堆叠多模型推理方法来减少幻觉。