使用 LLM 从自发语音预测心理幸福感
计算与语言
2026-05-13 v1
摘要
我们研究使用大语言模型（LLMs）从自发语音中零样本预测 Ryff 心理幸福感（PWB）分数的能力。我们使用来自 PsyVoiD 数据库中 111 名参与者的几分钟语音录音，评估了 12 个指令调校的 LLMs，包括 Llama-3（8B、70B）、Ministral、Mistral、Gemma-2-9B、Gemma-3（1B、4B、27B）、Phi-4、DeepSeek（Qwen 和 Llama）以及 QwQ-Preview。我们与临床心理学和语言学专家合作开发了领域信息驱动的提示词。结果表明，LLMs 能够从自发语音中提取语义有意义的线索，达到 80% 数据上的最高 0.8 的斯佩曼相关系数。此外，为增强可解释性，我们进行了统计分析来描述预测变异性和系统性偏差，同时进行基于关键词的词云分析以突出驱动模型预测的语言特征。
引用
@article{arxiv.2605.11303,
title = {Predicting Psychological Well-Being from Spontaneous Speech using LLMs},
author = {Erfan Loweimi and Sofia de la Fuente Garcia and Saturnino Luz},
journal= {arXiv preprint arXiv:2605.11303},
year = {2026}
}