摘要
背景：动机性访谈（MI）会话编码对理解客户行为至关重要，但耗时费力。目标：本研究旨在开发一种基于音频 - 语言模型（ALM）的自动 MI 编码方法，通过分析原始音频并整合多条推理轨迹的自一致性预测来提升鲁棒性。方法：部署 ALM 配合四种互补分析提示（言语线索、韵律线索、证据评分及对比推理），每条语句生成 12 条独立推理轨迹，经多数投票得出最终预测。结果：该方法在准确率、精确率等指标上均优于基线。结论：多模态自一致性机制显著提升了 MI 自动编码的可靠性。
AI 推荐理由
论文核心提出多模态自一致性推理框架，通过多条推理轨迹提升编码鲁棒性。
研究机构
Department of Computer Science, University of Memphis, TN, USA
Veterans Affairs Health Care System, CA, USA
Department of Psychiatry and Behavioral Sciences, University of California San Francisco, CA, USA
论文信息