论文
DS@GT参加eRisk 2026：结构化算法引导的多智能体会话抑郁筛查系统
DS@GT ARC at eRisk 2026: Hybrid Multi-Agent LLM System with Structured Algorithmic Guidance for Conversational Depression Screening
摘要
我们介绍DS@GT参加eRisk 2026任务1（会话式抑郁筛查）的工作：系统采访模拟不同抑郁程度个体的LLM人格，在不直接询问敏感心理健康问题的前提下，为每个人格产出贝克抑郁量表II（BDI-II）得分与四个关键症状。管线经历三个阶段：单体单模型原型起步；基线多智能体架构在协调编排层下把会话访谈与BDI-II评分分离；最终混合配置用开源Gemma 27B替换付费的GPT-5-nano访谈者。为弥补该模型较弱的推理与指令遵循，混合系统增加三个算法组件：预计算的对话树（规范访谈开场与追问）、受Weaver框架启发的可靠性加权共识聚合、以及针对未探查症状的基于聚类的插补。我们在全部20个人格上提交三次全自动运行：Run 1来自付费基线，Run 2与3来自混合系统。混合Run 3取得ADODL 0.9063，在全部完整提交的运行中排第3，使DS@GT在21支队伍中总排名第2，同时以约四分之一的每人格API成本超过付费基线Run 1（0.8841）。结果支持我们的核心假设：在足够的算法监督下，较弱的开源模型可以在会话访谈者角色上与更强的专有模型竞争。源码见https://github.com/dsgt-arc/erisk-task1-2026。
