基盤モデルの時代における多言語の認知障害検出

Abstract

英語、スロベニア語、および韓国語の音声の文字起こし（トランスクリプト）から認知障害（CI）分類を評価します。3つの入力設定――トランスクリプトのみ、言語的特徴のみ、両者を組み合わせた場合――のもとで、直接分類器として用いるゼロショットの大規模言語モデル（LLM）を、リーブワンアウト（leave-one-out）プロトコルで訓練された教師ありの表形式アプローチと比較します。表形式のモデルは、設計された言語的特徴、トランスクリプト埋め込み、および両モダリティの早期または後期融合に基づいて動作します。言語をまたいだ結果、ゼロショットLLMは訓練なしの競争力のあるベースラインを提供しますが、教師ありの表形式モデルは概してより良い性能を示し、特に設計された言語的特徴を含め、埋め込みと組み合わせた場合に顕著です。埋め込みに焦点を当てた少数ショット実験では、限られた教師データの価値が言語に依存することが示されます。追加のラベル付き例によって大きく恩恵を受ける言語がある一方で、より豊かな特徴表現がない場合は制約されたままの言語もあります。全体として、少量データにおけるCI検出では、構造化された言語シグナルと単純な融合ベースの分類器が依然として強力で信頼できるシグナルであることを示唆する結果です。