OAK-Mind 不训练也能判断抑郁焦虑变化:两个公开数据集上准确率超过有监督基线
被动感知数据长期靠有标签样本训练模型来推断心理健康,而标签本身难以获得。OAK-Mind 把手机与可穿戴设备的睡眠、活动、移动和手机使用数据按行为维度交给多个由文献知识约束的智能体分别解读,再由综合智能体汇总、按 PHQ-4 问卷条目打分,从而在不做任务微调、不使用他人标签的条件下判断症状相对个人基线是改善、稳定还是恶化。在 GLOBEM 与 College Experience 两个数据集上,其抑郁变化分类准确率分别为 0.56 和 0.52,高于所比较的最强有监督基线。