语音基准认知筛查：大语言模型适应策略的系统评估
计算与语言
2026-04-28 v2 人工智能
音频与语音处理
摘要
美国超过半数的阿尔茨海默病及相关痴呆患者仍未获诊，语音筛查提供了可扩展的检测方法。我们比较了大语言模型适应策略，用于痴呆检测，评估了九个仅基于文本的模型和三个多模态音频-文本模型在DementiaBank语料库录音上的表现。适应措施包括使用不同演示选择策略的零样本学习、推理增强提示、参数高效微调和多模态集成。结果显示，类心元演示在零样本学习中取得最佳性能，推理对较小的模型有所提升，标记级微调通常产生最佳分数。添加分类头显著改善了表现不佳的模型。在多模态模型中，微调的音频-文本系统表现良好，但未超过顶级仅基于文本的模型。这凸显了演示选择、推理设计和调优方法等模型适应策略对语音基准痴呆检测至关重要， Properly适应的开源模型可与甚至超过商业系统。
引用
@article{arxiv.2509.03525,
title = {Speech-Based Cognitive Screening: A Systematic Evaluation of LLM Adaptation Strategies},
author = {Fatemeh Taherinezhad and Mohamad Javad Momeni Nezhad and Sepehr Karimi and Sina Rashidi and Ali Zolnour and Maryam Dadkhah and Yasaman Haghbin and Hossein AzadMaleki and Maryam Zolnoori},
journal= {arXiv preprint arXiv:2509.03525},
year = {2026}
}