论文揭露语音抑郁检测评测虚高：选层作弊致 AUC 平均虚高 0.07

TU München 的 Paula Pérez-Toro 等人新论文指出，语音抑郁检测的评测存在选择偏差：在测试集上挑选最优模型层相当于作弊，使 AUC 平均虚高 0.07。在 47 个测试集上打乱标签后，朴素的 best-of-25 选择仍能达到 AUC 0.59 左右。这说明该评测方法无法可靠地为不同方法排名，现有结果普遍被高估。