AI给抑郁打分，打出来的到底是谁的病？

我最近读到一篇论文，结论让我脊背一凉：当语言模型被拿来评估抑郁症患者严重程度时，它打出的分数反映的更多是模型自身的"性格"，而非患者真实状态。同一个病人，换模型或换提示方式，评分就能大幅漂移——分数追的是模型的脾气，不是病人的痛苦。这让我很不安。精神健康评估本就是高度主观的领域，医生之间常有分歧，AI插进来后，它的"主观"比人类更不可控、更难校准。如果临床系统已开始依赖这类评分做决策，出错成本谁来承担？这篇论文至少提醒我们：AI在心理健康领域远未到"可信任"阶段，别急着把它当镜子——它照出来的，可能只是它自己。

原文：Language-model ratings of depression reflect the rater more than the patient · 来源：Hacker News