arXiv cs.AI· Xinkai Chen·· 9 小时前AI 评分22
结构化标准提取 vs. 思维链：LLM 抑郁严重程度标准提取评估
Structure vs. Chain-of-Thought: Evaluating LLM Criteria Extraction for Depression Severity
AI 导读
研究对比了 LLM 直接评分与先提取 PHQ-9、BDI-II 临床标准再由规则判定两种抑郁严重程度评估方式，在三个模型（9B 至前沿规模）和两个 Reddit 语料上以二次加权 kappa 衡量一致性。两个前沿模型仅在决策阈值基于标注数据拟合时，标准提取才在一个语料上优于思维链，且增益不显著；阈值先验固定时无增益。9B 模型在抑郁社区语料上倾向将多数帖子标为重度，先验规则反而更优。
来源：arXiv cs.AI · arxiv.org