当层选择误导语音抑制检测时

预训练的语音表示越来越多地用于抑郁症检测，但在用于评估偏差的相同数据上选择最佳编码器层会报告性能。在 DAIC-WOZ 上，通过跨五个深度编码器系列的重复嵌套交叉验证，简单的 25 层最佳探测使 AUC 膨胀高达 $0.09$。在 real 潜在表示上的打乱标签上，在嵌套选择下，朴素的 best-of-25 仍然达到 AUC $0.59$ 与 $0.50$ ，并且这种偏差随着探测层数和较小样本的增加而增加，隔离选择，而不是信号，作为原因。该效果在第二个临床语料库和语言（Android、意大利语）上复制。在无泄漏选择下，对表示族进行公平比较，确定紧凑的、与任务一致的情感韵律模型与更复杂的 SSL、深度学习、音频LLM和基于编解码器的方法具有竞争力，同时使用 $\sim\!10^{3}\times$ 更少的可训练下游参数。将分析扩展到个体 PHQ-8 症状表明，在这种更细粒度的水平上仍然存在相同的选择偏差。我们认为，在探测小型临床语音数据集上的编码器层表示时，嵌套模型选择协议应该成为标准。