跳到正文
arXiv · NLP· Junjie Xu, Jin Zhu, Yuzhe Yang, Luhan Wang, Xingjiao Wu, Daoguo Dong, Jing Yang, Wenxin Wu, Liang He·· 2026-10-21AI 评分23

EviDial:当正确的抑郁预测缺乏证据时

EviDial: When Correct Depression Predictions Lack Evidence

AI 导读

EviDial基准揭示82.8%的抑郁对话症状单元格缺乏充分文本证据。 其审计发现,尽管69.2%-96.9%的模型预测在标签上正确,但缺乏对话证据支持。 该基准通过区分标签一致性与证据支持,防止基于标签的评估高估证据支持的性能。

来源:arXiv · NLP · arxiv.org