論文の概要: Structure vs. Chain-of-Thought: Evaluating LLM Criteria Extraction for Depression Severity

• arxiv url: http://arxiv.org/abs/2609.39049v1
• Date: Wed, 30 Sep 2026 05:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.248981
• Title: Structure vs. Chain-of-Thought: Evaluating LLM Criteria Extraction for Depression Severity
• Title（参考訳）: 構造 vs. チェーン・オブ・ワット: うつ病重症度評価のためのLCM基準抽出の評価
• Abstract要約: 大きな言語モデル(LLM)は、ソーシャルメディア投稿から直接うつ病の重症度を評価できる。 3つのLCMと2つの質問紙を用いた2つのRedditコーパスの比較を行った。
• 参考スコア（独自算出の注目度）: 5.38946490638376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A large language model (LLM) can rate depression severity directly from a social media post or mark which clinical criteria the post shows and let code turn the count into a label. The latter is easier to audit because a clinician can check each marked criterion. We compare these approaches on two Reddit corpora using three LLMs (from 9B to frontier scale) and two questionnaires (PHQ-9, BDI-II), and measure agreement with quadratic weighted kappa. For the two frontier models, criteria extraction scores above chain-of-thought on one corpus only when its decision thresholds are fitted on labeled data. Neither model's gain is significant, with or without recalibrating chain-of-thought on the same labels. With thresholds fixed a priori from PHQ-9's criteria, extraction shows no gain on either corpus, even where models mark over two criteria per post. The 9B model behaves differently on a corpus from depression communities. It labels most posts severe, whether prompted directly or with chain-of-thought, while the a priori rule beats both without labels. After chain-of-thought is recalibrated on the same labels, no significant gap remains, consistent with a calibration effect. Yet higher ordinal agreement does not ensure better detection of severe cases. PHQ-9 criteria extraction misses most severe posts, and moving from direct prompting to chain-of-thought and then to extraction increases misses in nearly all comparisons. On the primary corpus, a relabeled stress dataset, a model using that dataset's own features, including word counts from the text, is not significantly different from frontier criteria extraction under the a priori rule.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、ソーシャルメディア投稿から直接うつ病の重症度を評価できる。 臨床医がそれぞれのマークされた基準を検査できるため、後者は検査が容易である。 2つのRedditコーパス(LLM)と2つのアンケート(PHQ-9,BDI-II)を用いて,これらのアプローチを比較し,二次重み付きカッパとの適合度を測定した。 2つのフロンティアモデルにおいて、基準抽出スコアは、その決定しきい値がラベル付きデータに収まる場合にのみ、1つのコーパス上のチェーン・オブ・ソート以上のものである。 どちらのモデルも、同じレーベルでチェーン・オブ・シークレットを再検討するかどうかに関わらず、大きな利益は得られない。 しきい値がPHQ-9の基準から優先順位を固定したことにより、どちらのコーパスにおいても、ポスト当たりの2つの基準を超えるモデルであっても、抽出は利得を示さない。 9Bモデルは、うつ病コミュニティとコーパスで異なる振る舞いをする。 殆どの投稿を、直接的にも、あるいは、チェーン・オブ・インストルトによっても、ラベルなしでは優先権のルールが勝っているとラベル付けしている。 チェーン・オブ・シンクレットが同じラベルで再校正された後、キャリブレーション効果と整合して大きなギャップは残っていない。 しかし、より高次合意は重篤な症例の発見を確実にするものではない。 PHQ-9の基準抽出は、最も厳しいポストを見逃し、直接的なプロンプトから、思考の連鎖へと移行し、ほぼ全ての比較において、ミスを増やす。 プライマリコーパスでは、テキストからの単語数を含むデータセットの独自の特徴を用いたストレスデータセットは、プライオリルールの下でのフロンティア基準抽出と大きく異なるものではない。

関連論文リスト

• Reading Anxiety or Reading the Label? Comparing Fine-Tuned and Frontier Models for Anxiety Detection on Social Media [0.0]
  不安は最も一般的な精神状態の1つであり、臨床の助けを求める前によくオンラインで書く。 Redditテストセットで3つすべてにまたがる6つの条件を、単一の制御プロトコルで比較する。 ここで使用されるコーパスでは、不安に満ちた投稿の69.3%が「不安」または「変種」という単語を含んでおり、これに相当する条件の約2倍である。
  論文  参考訳（メタデータ） (2026-08-06T17:08:09Z)
• Multi-Label Test-Time Adaptation with Bayesian Conditional Priors [15.878958356965159]
  Conditional Priors Estimation (BCP) は、バックボーンをチューニングせずにラベル依存性を注入する勾配のないテスト時間適応法である。 BCPは、未ラベルのテストストリームからアンカー条件の事前値をオンラインで推定することで、ターゲットアノテーションなしで動作します。 BCPは、標準のマルチラベルベンチマークと複数のCLIPバックボーンで、強力なTTAベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-06-11T05:29:00Z)
• Practical estimation of the optimal classification error with soft labels and calibration [47.001801756596926]
  我々は,ベイズ誤差,最適誤差率を推定するために,ソフトラベルを用いた以前の研究を拡張した。 我々は、破損したソフトラベルによる推定という、より困難な問題に取り組みます。 私たちのメソッドはインスタンスフリーです。つまり、入力インスタンスへのアクセスを前提としません。
  論文  参考訳（メタデータ） (2025-05-27T06:04:57Z)
• From Biased Selective Labels to Pseudo-Labels: An Expectation-Maximization Framework for Learning from Biased Decisions [9.440055827786596]
  異種検閲という,臨床に着想を得た選択的ラベル問題について検討した。 Disparate Censorship expectation-Maximization (DCEM)は、このような検閲の存在下で学習するためのアルゴリズムである。
  論文  参考訳（メタデータ） (2024-06-27T03:33:38Z)
• Generating Unbiased Pseudo-labels via a Theoretically Guaranteed Chebyshev Constraint to Unify Semi-supervised Classification and Regression [57.17120203327993]
  分類におけるしきい値と擬似ラベルプロセス(T2L)は、ラベルの品質を決定するために信頼性を使用する。 本質的には、レグレッションは高品質なラベルを生成するためにバイアスのない方法も必要である。 チェビシェフの不等式に基づく不偏ラベルを生成するための理論的に保証された制約を提案する。
  論文  参考訳（メタデータ） (2023-11-03T08:39:35Z)
• Unifying Token and Span Level Supervisions for Few-Shot Sequence Labeling [18.24907067631541]
  短いショットシーケンスラベリングは、少数のラベル付きサンプルに基づいて新しいクラスを特定することを目的としている。 本稿では,数ショットのシーケンスラベリングのためのCDAP(Consistent Dual Adaptive Prototypeal)ネットワークを提案する。 本モデルでは,3つのベンチマークデータセットに対して,最先端の新たな結果が得られる。
  論文  参考訳（メタデータ） (2023-07-16T04:50:52Z)
• Label-Retrieval-Augmented Diffusion Models for Learning from Noisy Labels [61.97359362447732]
  ノイズの多いラベルからの学習は、実際のアプリケーションのための機械学習において、重要かつ長年にわたる問題である。 本稿では,生成モデルの観点からラベルノイズ問題を再構成する。 我々のモデルは、標準的な実世界のベンチマークデータセットで新しいSOTA(State-of-the-art)結果を達成する。
  論文  参考訳（メタデータ） (2023-05-31T03:01:36Z)
• Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection [149.23913018423022]
  弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。 2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。 本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-08T05:53:53Z)
• SCRIB: Set-classifier with Class-specific Risk Bounds for Blackbox Models [48.374678491735665]
  クラス固有RIsk境界(SCRIB)を用いたSet-classifierを導入し,この問題に対処する。 SCRIBは、クラス固有の予測リスクを理論的保証で制御するセット分類器を構築する。 脳波(EEG)データによる睡眠ステージング,X線COVID画像分類,心電図(ECG)データに基づく心房細動検出など,いくつかの医学的応用についてSCRIBを検証した。
  論文  参考訳（メタデータ） (2021-03-05T21:06:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。