2026年7月16日 · Self-Evolving Human-Centered Framework for Explainable Depression Symptom Annotation
Self-Evolving Human-Centered Framework for Explainable Depression Symptom Annotation
论文提出一个自进化、专家在环的标注框架，用于可解释的抑郁症症状标注，结合LLM辅助标注与专家验证，包含候选证据选择、DSM-5-TR标准分析和案例级综合三个阶段，并设计双记忆架构（示例记忆和反思记忆）以内化专家反馈。
EVENT STORY
发展脉络
- 首次出现Self-Evolving Human-Centered Framework for Explainable Depression Symptom AnnotationarXiv cs.AI
- 当前判断该框架可能推动心理健康AI领域的数据标注标准化，提升模型可解释性和临床可信度。Agent Pulse · 分析
该框架旨在构建可解释、与DSM-5-TR对齐的抑郁症数据集，通过LLM和专家协作提升标注质量，双记忆架构支持迭代改进。
双记忆架构（示例记忆和反思记忆）使框架能内化专家反馈并持续改进，无需重新训练模型。
该框架可能推动心理健康AI领域的数据标注标准化，提升模型可解释性和临床可信度。
该框架可降低抑郁症AI系统的数据标注成本，提升标注质量，加速可解释心理健康AI产品的开发。
未来可验证该框架在更大规模抑郁症数据集上的标注一致性，以及双记忆架构的泛化能力。