推理依据质量重要吗？通过选择性推理蒸馏增强心理障碍检测
计算与语言
2025-10-28 v1
摘要
从社交媒体中检测心理健康问题及解释这些结果已被广泛探索。研究表明，将临床症状信息纳入模型可增强其领域专业知识，从而提升其检测和解释性能。尽管大语言模型（LLM）已被证明在心理健康检测中能有效生成解释性依据，但其庞大的参数量和极高的计算成本限制了其实用性。推理蒸馏将这种能力转移至较小的语言模型（SLM），但LLM生成的依据在相关性和领域对齐方面的不一致性构成了挑战。本文研究了依据质量如何影响SLM在心理健康检测和解释生成中的表现。我们假设确保高质量且与领域相关的依据可以增强蒸馏效果。为此，我们提出了一个基于依据与专家临床推理对齐程度进行选择的框架。实验表明，我们以质量为核心的方法显著提升了SLM在心理障碍检测和依据生成两方面的性能。本工作强调了依据质量的重要性，并为心理健康应用中的知识转移提供了一个富有洞察力的框架。
引用
@article{arxiv.2505.20014,
title = {Does Rationale Quality Matter? Enhancing Mental Disorder Detection via Selective Reasoning Distillation},
author = {Hoyun Song and Huije Lee and Jisu Shin and Sukmin Cho and Changgeon Ko and Jong C. Park},
journal= {arXiv preprint arXiv:2505.20014},
year = {2025}
}