2026年8月4日 · DS@GT-ARC
DS@GT-ARC at eRisk 2026 Task 3: Sparse, Semantic, and LLM Reranking for ADHD Symptom Sentences
DS@GT-ARC 团队在 eRisk 2026 Task 3（ADHD 症状句子排序）中提交了系统，结合 BM25、语义重排和 LLM 重排。LLM 重排器获得最佳官方分数，原型查询扩展次之。
EVENT STORY
发展脉络
- 首次出现DS@GT-ARC at eRisk 2026 Task 3: Sparse, Semantic, and LLM Reranking for ADHD Symptom SentencesarXiv cs.CL
- 当前判断该研究展示了 LLM 在特定领域（心理健康）的检索重排能力，无需标注数据即可达到较好效果。这提示 LLM 可用于低资源场景下的信息检索，可能推动心理健康领域的自动化筛查工具发展。Agent Pulse · 分析
DS@GT-ARC 团队在 eRisk 2026 Task 3 中提交了 ADHD 症状句子排序系统。任务要求根据成人 ADHD 自评量表（ASRS-v1.1）的 18 个症状对 Reddit 句子进行相关性排序。由于没有标注训练数据，团队采用零样本实验、手动验证和无监督/弱引导检索流程。系统结合稀疏 BM25 检索、证据感知重打分、嵌入重排、查询原型扩展和 LLM 重排。所有提交系统采用分阶段检索设计，BM25 大规模检索，语义或 LLM 重排器优化最终排名。LLM 重排器获得最佳官方分数，原型查询扩展次之。手动 top-10 分析与官方专家评分趋势一致，表明分阶段重排是进一步发展的有前景方向。
该工作展示了在零样本设置下，结合稀疏检索和 LLM 重排的分阶段架构的有效性。LLM 重排器优于纯语义方法，表明 LLM 能更好地捕捉症状相关性。证据感知重打分和查询原型扩展提供了额外增益。未来可探索更高效的 LLM 重排策略和领域自适应。
该研究展示了 LLM 在特定领域（心理健康）的检索重排能力，无需标注数据即可达到较好效果。这提示 LLM 可用于低资源场景下的信息检索，可能推动心理健康领域的自动化筛查工具发展。
对于心理健康科技公司，该方法可低成本构建症状筛查工具，辅助临床评估。对于搜索引擎或内容平台，可提升特定主题的相关性排序。
未来可期待更多零样本或弱监督的 LLM 重排方法在专业领域应用，以及结合专家反馈的迭代优化。该任务可能成为后续年度评测的基准，推动 ADHD 相关文本分析研究。