每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于语音的认知筛查：法学硕士适应策略的系统评估

Created by
  • Haebom

作者

Fatemeh Taherinezhad、Mohamad Javad Momeni Nezhad、Sepehr Karimi、Sina Rashidi、Ali Zolnour、Maryam Dadkhah、Yasaman Haghbin、Hossein AzadMaleki、Maryam Zolnoori

大纲

在美国，超过一半的阿尔茨海默病及相关痴呆症成年人仍未得到诊断，而基于语音的筛查提供了一种可扩展的方法。本研究使用 DementiaBank 语音语料库比较了用于痴呆症检测的大规模语言模型自适应策略。研究评估了九个纯文本模型和三个多模态音频文本模型。自适应策略包括使用各种演示选择策略的情境学习、基于推理的提示、参数高效的微调和多模态集成。结果表明，以类别为中心的演示实现了最高的情境学习性能，而推理改进了较小的模型，并且标记级微调通常可产生最佳结果。添加分类头可显著改善表现不佳的模型。在多模态模型中，经过微调的音频文本系统表现良好，但并未超越最佳的纯文本模型。

Takeaways, Limitations

•
模型适应策略，包括演示选择、推理设计和调整方法，对基于语音的痴呆症检测有重大影响。
•
适当调整的公共加权模型可以等同于甚至超越商业系统。
•
类质心演示在情境学习中表现出最高的性能。
•
推理提高了较小模型的性能。
•
令牌级别的微调通常会产生最佳结果。
•
添加分类头可以改善表现不佳的模型。
•
经过微调的音频文本系统表现良好，但并不优于纯文本模型。
👍
Made with Slashpage