arXiv 2026年10月1日该研究在ADReSSo数据集与三种大型自监督语音骨干模型上，对仅参与者语音、非语音和完整录音施加受控噪声与混响干预，并结合逐层线性解码、输入与表征空间干预及几何对齐分析，发现受控声学干预会改变三种骨干模型的阿尔茨海默病预测，其中在原始数据中未显示显著诊断组差异的噪声产生最强干预效应，且效应相对分类器决策方向呈系统性结构、在留出测试集上复现、在表征空间干预方向反转时随之反转。该研究在ADReSSo数据集与三种大型自监督语音骨干模型上，对仅参与者语音、非语音和完整录音施加受控噪声与混响干预，并结合逐层线性解码、输入与表征空间干预及几何对齐分析，发现受控声学干预会改变三种骨干模型的阿尔茨海默病预测，其中在原始数据中未显示显著诊断组差异的噪声产生最强干预效应，且效应相对分类器决策方向呈系统性结构、在留出测试集上复现、在表征空间干预方向反转时随之反转。研究团队用噪声与混响干预三种自监督语音模型，发现声学因素会系统性改变阿尔茨海默病预测该研究在ADReSSo数据集与三种大型自监督语音骨干模型上，对仅参与者语音、非语音和完整录音施加受控噪声与混响干预，并结合逐层线性解码、输入与表征空间干预及几何对齐分析，发现受控声学干预会改变三种骨干模型的阿尔茨海默病预测，其中在原始数据中未显示显著诊断组差异的噪声产生最强干预效应，且效应相对分类器决策方向呈系统性结构、在留出测试集上复现、在表征空间干预方向反转时随之反转。该研究在ADReSSo数据集与三种大型自监督语音骨干模型上，对仅参与者语音、非语音和完整录音施加受控噪声与混响干预，并结合逐层线性解码、输入与表征空间干预及几何对齐分析，发现受控声学干预会改变三种骨干模型的阿尔茨海默病预测，其中在原始数据中未显示显著诊断组差异的噪声产生最强干预效应，且效应相对分类器决策方向呈系统性结构、在留出测试集上复现、在表征空间干预方向反转时随之反转。