热点事件持续更新
研究发现简单统计模型在长周期抑郁预测上优于Transformer
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv发布的一篇自然语言处理研究显示，在一项利用11岁儿童所写文章预测其23岁抑郁症状的12年跨期任务中，基于6个童年协变量构建的逻辑回归基线模型取得了0.737的AUC-ROC。该基线模型的性能全面超越了所有纯文本模型，包括7个微调Transformer模型（其最佳AUC-ROC仅为0.670）、词袋模型、冻结嵌入向量模型以及4个零样本大语言模型。研究还发现，在逻辑回归基线的基础上额外引入文本分数，并未能显著提升长周期抑郁预测的表现。
AI 根据报道生成 · 4 小时前更新
最新进展10月7日 12:00
研究显示基于6个童年协变量的逻辑回归在12年抑郁预测上AUC达0.737，优于Transformer等纯文本模型。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 自然语言处理Transformer 难敌六个协变量：从童年文章长期预测抑郁症状
基于 6 个童年协变量的逻辑回归基线在利用 11 岁文章预测 23 岁抑郁症状的 12 年跨期任务中，以 0.737 的 AUC-ROC 全面超越所有纯文本模型。该基线性能优于 7 个微调 Transformer（最佳 AUC-ROC 为 0.670）、词袋模型、冻结嵌入向量以及 4 个零样本 LLM，且额外引入文本分数未能显著提升预测表现。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。