SeSaMe 프레임워크는 참여자의 내적 행동 성향 정보를 활용하여 대규모 언어 모델이 참여자의 심리 척도 응답을 시뮬레이션할 수 있도록 한다. 이를 통해 연구자들은 참여자의 실제 응답을 수집하는 부담을 줄일 수 있다.
SeSaMe 프레임워크는 다음과 같은 4가지 평가 지표를 제공한다:
연구진은 참여자의 다른 척도 응답을 활용하여 GPT-4로 GAD-7 및 PHQ-9 척도 응답을 시뮬레이션하는 실험을 수행했다. 결과적으로 GPT-4는 척도 간 상관 관계의 방향은 잘 포착했지만, 상관 관계의 강도를 과도하게 증폭시켜 실제 데이터보다 단조로운 관계를 보였다. 이러한 특성으로 인해 GPT-4 시뮬레이션 데이터로 훈련한 우울증 선별 모델은 중등도 이상 우울증 선별에서 성능이 저하되었지만, 불안 선별 모델의 성능은 향상되었다.
연구진은 참여자의 추가적인 인구통계학적 정보를 활용하여 GPT-4 프롬프트를 개선함으로써 시뮬레이션 성능을 높일 수 있었다. 이를 통해 SeSaMe 프레임워크가 정신 건강 연구에서 참여자의 응답 수집 부담을 줄이는 데 도움이 될 수 있음을 시사한다.
เป็นภาษาอื่น
จากเนื้อหาต้นฉบับ
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Akshat Choub... ที่ arxiv.org 03-27-2024
https://arxiv.org/pdf/2403.17219.pdfสอบถามเพิ่มเติม