OAK-Mind:零训练多智能体LLM从传感数据推断心理健康变化
热点事件持续更新
OAK-Mind:零训练多智能体LLM从传感数据推断心理健康变化
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yishu Ji 等研究者发布论文,提出 OAK-Mind——一个零训练、知识驱动的多智能体 LLM 管线,可从可穿戴设备与手机的被动传感数据推断心理健康变化,论文正在 ACM IMWUT 审稿中。该管线把传感数据整理为睡眠、体力活动、位置移动和手机使用等行为维度,由多个基于心理健康文献构建的专用智能体解读纵向行为变化,并结合问卷症状评分给出可读的推断依据。 研究者在多个数据集和任务上报告,无需任务特定训练的 OAK-Mind 达到或超过监督基线性能,且在四个 LLM 骨干上均优于直接提示。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
OAK-Mind:基于知识驱动的多智能体 LLM,从被动传感数据零训练推断心理健康变化报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIOAK-Mind:基于知识驱动的多智能体 LLM,从被动传感数据零训练推断心理健康变化
研究者提出 OAK-Mind,一个零训练的多智能体、知识驱动 LLM 管线,从可穿戴与手机传感数据推断心理健康变化。该管线将传感数据组织为睡眠、体力活动、位置移动和手机使用等行为维度,由多个基于心理健康文献的专用智能体解读纵向行为变化,并结合问卷症状评分给出可读的推断依据。在多个数据集和任务上,无需任务特定训练的 OAK-Mind 达到或超过监督基线性能,并在四个 LLM 骨干上均优于直接提示。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。