通过不同视角看痴呆症：人类与 LLM 感知的可解释建模用于早期预警
计算与语言
2025-05-20 v1 机器学习
摘要
认知衰退往往在诊断前数年就通过语言表现出来。通常，最接近患者的人等非专业人士最先察觉变化并提出担忧。随着 LLM 越来越多地融入日常交流并被长期使用，甚至可能是 LLM 注意到某些不对劲。但他们在做出判断时究竟注意到了什么——以及应该注意到什么？本文研究了非专业人士如何通过语言感知痴呆症。我们向非专业人士人类和 LLM 展示转录的图片描述，要求他们直观地判断每段文本是由健康者还是痴呆症患者生成的。我们提出一种可解释方法，利用 LLM 提取表示这些图片描述的高级、专家引导特征，并使用逻辑回归对人类和 LLM 的感知进行建模并与临床诊断进行比较。我们的分析揭示，人类对痴呆症的感知是不一致的，依赖于一组狭窄且有时具有误导性的线索。相比之下，LLM 借鉴了更丰富、更精细的特征集，与临床模式更为一致。然而，两组都表现出对假阴性的倾向，经常忽略痴呆症病例。通过我们的可解释框架及其提供的见解，我们希望帮助非专业人士更好地识别有意义的语言线索。
引用
@article{arxiv.2505.13418,
title = {Dementia Through Different Eyes: Explainable Modeling of Human and LLM Perceptions for Early Awareness},
author = {Lotem Peled-Cohen and Maya Zadok and Nitay Calderon and Hila Gonen and Roi Reichart},
journal= {arXiv preprint arXiv:2505.13418},
year = {2025}
}