更清晰的言论，较弱的概括：重新审视皮特派生的阿尔茨海默病检测基准

基于语音的阿尔茨海默病 (AD) 检测越来越依赖于皮特语料库的语音增强和精选版本，其中语音增强、样本选择和人口统计平衡通常被视为有益的预处理步骤。然而，这些转换是否改善了现实世界的 AD 检测，还是影响了模型泛化和预测行为，目前尚不清楚。在这项工作中，我们重新审视了语音预处理和数据集管理在广泛使用的基于语音的 AD 检测基准中的作用。我们评估了不同数据集的语音质量、匹配和不匹配增强设置下多个深度学习模型的跨数据集泛化，以及最近几个大型音频语言模型（LALM）的行为。实验结果表明，在多个监督语音模型中，语音增强数据集通常会提高域内性能，同时降低跨域评估的鲁棒性。训练和测试数据之间的匹配增强可以减轻但不能消除这种退化。 LALM 显示出类似的敏感性：增强的数据集比未处理的数据会导致更强的类别不平衡和预测变化。这些结果表明，语音预处理和数据集管理可以极大地影响下游 AD 检测行为，表明“更干净”的语音数据集对于现实世界的 AD 检测不一定更可靠。