论文揭露语音抑郁检测评测虚高：选层作弊致 AUC 平均虚高 0.07

一项由 TU München 的 Paula Pérez-Toro 等人撰写的新论文指出，语音抑郁检测领域（情感与韵律建模）的评测存在严重的选择偏差：研究者在测试集上挑选最优模型层，相当于作弊，使 AUC 平均虚高 0.07。实验还显示，在 47 个测试集上标签被打乱后，朴素的 best-of-25 选择仍能达到 AUC 0.59 左右，说明该方法无法可靠地为不同方法排名，现有结果普遍被高估。

2026-10-16 ~ 2026-10-16 · 2 条相关

• 47 人测试集无法给方法排名：标签打乱后 AUC 仍达 0.59 — maier_ak · 2026-10-16
• 论文揭露语音抑郁检测虚高：选层即作弊，AUC 平均虚高 0.07 — maier_ak · 2026-10-16