研究评估LLM抑郁严重程度临床标准提取与CoT表现

2026年10月1日，arXiv发布的一项研究在两个Reddit语料库上测试了3个从9B至前沿规模的大语言模型，对比临床标准提取（PHQ-9与BDI-II）与思维链（CoT）推理在抑郁严重程度判断中的表现。结果显示，基于先验规则的标准提取并未带来显著增益，反而漏判了绝大多数重度抑郁帖子。同时，当模型从直接提示转向CoT及标准提取时，对重度病例的漏判率在几乎所有对比中均呈现持续上升趋势。

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。