Pipeline LLM Multi-Agente Rileva Deliri in Diari Audio
I ricercatori hanno sviluppato una pipeline automatizzata multi-agente basata su grandi modelli linguistici (LLM) per rilevare e classificare contenuti legati al delirio in diari audio naturalistici. Il sistema analizza le trascrizioni di individui con ideazione persecutoria moderata, estraendo linguaggio suggestivo di credenze deliranti insieme a risposte affettive e comportamentali associate. Utilizzando un ensemble di tre modelli fondamentali, lo studio ha rilevato che prompt diagnostici dettagliati riducono i falsi positivi per la classificazione dei temi deliranti, ma limitano l'interpretazione delle risposte affettive o comportamentali. Il lavoro evidenzia sia il potenziale che i limiti degli LLM nell'automatizzare il rilevamento dei sintomi di salute mentale dai dati vocali.
Fatti principali
- La pipeline utilizza LLM multi-agente per l'estrazione multi-etichetta a grana fine
- Valuta un ensemble di tre modelli fondamentali
- Prompt diagnostici dettagliati riducono i falsi positivi per i temi deliranti
- I prompt limitano l'interpretazione delle risposte affettive/comportamentali
- Dati da diari audio naturalistici di persone con ideazione persecutoria
- Gli LLM richiedono dati annotati principalmente per la valutazione, non per l'addestramento
- Pubblicato su arXiv con ID 2605.24755
- Focus sul rilevamento automatico dell'esacerbazione dei sintomi
Entità
Istituzioni
- arXiv