11:07arXiv cs.AI@Mohammad Mehdi Hosseini, Mohammad H. Mahoor, Hiroko H. Dodge研究人员提出一种基于大语言模型(LLM)的语言数字双胞胎框架,通过融入文体特征和上下文元数据来模拟老年人的对话行为。他们还引入了多头条件变分自编码器(cVAE),联合衡量重建质量并预测认知评分。在I-CONECT数据集上,该框架生成的数字双胞胎保留了身份特征,其重建误差和MoCA预测误差与真实数据相当,且优于基线GPT生成结果。这项工作为个性化、持续的认知健康监测提供了非侵入性方案。论文LLMDigital TwinI-CONECTcVAE认知健康推荐理由:这篇论文用LLM给老人建了个能聊天的数字分身,在I-CONECT数据上比普通GPT更准地模拟真实对话和预测认知评分,可能帮助早发现轻度认知障碍。原文