Evidence-Bounded Mental Health Reasoning from Heterogeneous Speech Protocols

📄 arXiv: 2608.31014v1 📥 PDF

作者: Chengyuan Gao, Jiang Wu, Tao Lu, Jiayan Guo, Mingkun Xu, Tianyi Zang, Shangyang Li

分类: cs.CL

发布日期: 2026-08-31

备注: Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026. Long paper

💡 一句话要点

提出基于证据的心理健康推理框架以解决多模态数据的有效性问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心理健康筛查 多模态数据 证据推理 协议感知 长链思维模型 声学共识 临床自然语言处理

📋 核心要点

  1. 现有的心理健康筛查模型假设所有临床语音协议具有相同的证据有效性，导致推理不准确。
  2. 本文提出EviBound框架，通过证据控制和协议感知规划来限制推理范围，提升模型的有效性。
  3. 实验结果显示，EviBound在抑郁症检测中AUROC达到0.8658，超越最强基线0.0811，同时无声称违规。

📝 摘要（中文）

计算心理健康筛查利用多模态语音和文本展现出良好前景。然而，现有模型往往假设所有临床语音协议具有相同的证据有效性，实际上，异质协议支持不同的证据。强制统一推理会导致模型从无关文本中虚构症状或过度声称支持。即使是先进的长链思维大模型也无法解决此问题。为此，本文将多模态筛查重新定义为一个基于证据的推理问题，提出了证据包基准，整合了来自六个异质来源的1870个包，并引入了EviBound框架。实验结果表明，EviBound在抑郁症AUROC测试中达到0.8658，超越了最强基线，同时保持零声称违规。

🔬 方法详解

问题定义：本文旨在解决现有心理健康筛查模型在处理异质临床语音协议时的有效性问题。现有方法未能考虑不同协议的证据有效性，导致模型推理不准确和虚假症状的生成。

核心思路：论文提出将多模态筛查重新定义为基于证据的推理问题，强调不同语音协议的证据有效性差异。通过引入EviBound框架，限制推理范围，确保模型在合理的证据基础上进行推理。

技术框架：EviBound框架包含多个模块：首先，利用配置文件感知的规划器限制推理范围；其次，通过五路声学共识协调证据工具；最后，引入边界评论器以抑制不支持的声称。

关键创新：最重要的创新在于引入证据包基准和EviBound框架，前者整合了来自六个异质来源的1870个证据包，后者通过协议感知的推理控制显著提升了模型的有效性和安全性。

关键设计：在设计中，EviBound使用了明确的模态掩码和证据权限，确保模型在推理时遵循协议限制，避免无关信息的干扰。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

EviBound在抑郁症检测中的AUROC达到了0.8658，相比最强直接基线提升了0.0811，同时保持零声称违规，显示出其在证据一致性和协议感知方面的显著优势。

🎯 应用场景

该研究的潜在应用领域包括临床心理健康评估、智能医疗系统和人机交互等。通过提供更安全和有效的心理健康筛查工具，EviBound框架有望在临床研究和实际应用中发挥重要作用，推动心理健康领域的技术进步。

📄 摘要（原文）

Computational mental health screening using multimodal speech and text has shown great promise. However, existing models often assume all clinical speech protocols carry equivalent evidentiary validity. In reality, heterogeneous protocols, from free interviews to fixed reading tasks, support fundamentally different evidence. Forcing uniform reasoning flattens these boundaries, causing models to hallucinate symptoms from irrelevant text or overclaim support. Even advanced long chain-of-thought LLMs fail to resolve this issue, as free-form reasoning can exacerbate boundary violations. To address this, we reformulate multimodal screening as an evidence-bounded reasoning problem. We introduce the Evidence Package Benchmark, integrating 1,870 packages across six heterogeneous sources with explicit modality masks and evidence permissions. We further propose EviBound, a protocol-aware evidence control framework. Unlike direct LLM prompting, EviBound uses a profile-aware planner to restrict reasoning scope, orchestrates evidence tools via five-way acoustic consensus, and enforces a boundary critic to suppress unsupported claims. Empirical results show EviBound achieves a held-out test Depression AUROC of 0.8658, exceeding the strongest direct omni-modal baseline by +0.0811 AUROC while maintaining zero claim violations. Our work moves beyond unconstrained accuracy toward evidence-consistent, protocol-aware systems for safer clinical NLP research.