使用网络的解耦语音表示方法，从大量不同发言者收集到的语音数据中，实现对小量特定发言者语音智力的客观量化计算。

Apr, 2022

本文通过在英语材料的专家评估集上进行零-shot提示，进行了人类和语言模型在七个语用现象上的精细比较，发现最大的模型可以实现高精度和匹配人类错误模式，同时发现证据表明模型和人类对相似的语言提示敏感，旨在探讨人类语用处理机制和语言模型之间的关系。

Dec, 2022

通过自动学习语言模型和强化自然语言处理任务，我们构建了数字化语言标记，可以测量沟通质量和各种语言障碍的强度，并揭示了与病情进展相关的逐渐语言损害的有用见解。

Oct, 2023

我们通过分析从心理学家与典型发育或患有自闭症谱系障碍（ASD）的儿童之间的诊断对话中提取的声学/韵律和语言特征，提出了一种ASD诊断的建模方法。我们比较不同特征在一系列对话任务中的贡献，并着重寻找表征患有ASD的儿童对话行为的最小参数集。除了分析儿童的行为外，我们还研究心理学家的对话行为是否在不同的诊断群体之间有所变化。我们的结果有助于对ASD儿童的对话数据进行细粒度分析，以支持诊断和干预。

Jan, 2024

通过分析来自生物医学、心理学和自然语言处理领域的研究，我们寻找能够指示自闭症的语言、韵律和声学线索。此调查涵盖了自闭症的定义、可能影响正确诊断的共病疾病，以及诸如语言流畅性、韵律特征、不流畅性和说话速度等观察结果。我们还介绍了基于词汇的方法，并描述了对音频数据和文本的机器学习和基于转换器的方法。最后，我们得出结论，目前已有大量研究，但女性患者的研究仍然非常有限，而且大多数自然语言处理研究侧重于传统的机器学习方法，而非在这一领域有潜力的转换器。另外，我们未能找到将音频和文本特征结合起来的研究。

Feb, 2024

我们提出了一个新颖的框架来评估大型语言模型（LLMs）的细致对话能力，将其应用于心理健康领域，并发现GPT4 Turbo在特定主题上表现出与经过验证的治疗师高度相关的成绩，从而帮助研究人员开发更好的LLMs以更积极地支持人们的生活。

Mar, 2024

该研究开发了第一个人类判断话语对之间的语用相似性的人类评价数据集，并在英语和西班牙语上获得了较高的平均评委相关性，从而为训练语音合成器、评估机器翻译和评估学习者表现提供了自动话语相似性度量的基础。

Mar, 2024

本研究探讨了ChatGPT作为一种先进的自然语言处理模型在诊断自闭症相关语言障碍方面的应用，通过提高诊断准确性和描述自闭症的特定语言特征，从而优化诊断流程，并与传统的监督学习模型进行了对比，结果显示ChatGPT在零样本学习配置下的准确性和F1分数均比其他模型提高13%以上，展现了其在神经学诊断中的潜力。同时，研究还找到了与自闭症相关的十个不同实验场景下显著变化的语言特征，例如回声言语、代词转位和非典型语言使用等，这些特征对于准确诊断自闭症和定制治疗方案具有重要意义。因此，该研究呼吁在临床实践中采用像ChatGPT这样的先进人工智能工具来评估和诊断发育性障碍，为自闭症和类似神经疾病的评估提供更高准确性，并与个体化医疗的目标相一致，从而可以潜在地改变诊断的格局。

May, 2024

本研究解决了自闭症谱系障碍（ASD）儿童社交沟通评估中标准化工具局限的问题，提出了一种基于原始语音数据的自动预测框架。该方法结合自动语音识别模型和微调的语言模型，最终得到的预测分数与人类评定的相关性高达0.6566，展示了作为一种客观评估ASD的工具的潜力。

Aug, 2024

本研究针对临床环境中儿童与成年人对话的可靠转录能力进行评估，填补了现有研究的空白。我们采用最新的语音基础模型对自闭症诊断会话中的儿童-成年人交流数据集进行全面评估，发现相较于成年人语音，儿童语音的转录性能明显下降。通过对表现最佳的模型进行微调，儿童语音的转录错误率改善了约8%。

Sep, 2024