评估LLM抑郁严重度标准抽取与思维链方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Xinkai Chen 的论文，评估大语言模型在抑郁严重程度评估中的两种路径：一是让模型直接评分，二是先提取临床标准、再由规则判定。研究在两组 Reddit 语料上进行，使用三个规模从 9B 到前沿水平的 LLM，并采用 PHQ-9 与 BDI-II 两份问卷，以二次加权 kappa 衡量评估结果与问卷的一致性。报道未给出具体一致性数值，也未说明两种方法孰优孰劣。目前该事件仅有这一篇报道，尚无后续跟进或结论更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。