该研究评估了大型语言模型（LLMs）在心理健康任务中的表现，发现其在零样本和少样本分类中具有潜力。通过微调，模型在抑郁症检测中的准确率可达96%。研究强调LLMs应作为心理健康服务的补充，并提出多语言适应方法以提高检测准确性。

本文探讨了偏好的参数高效微调（PEFT）方法在大型语言模型中的应用，强调其在内存和计算资源限制下的优势。研究表明，适配器模块与微调策略结合能有效提升低资源文本分类性能，并在多任务中实现与大型模型相媲美的效果。实验证明，PEFT方法在多语言适应和长上下文处理上表现出色，推动了该领域的研究进展。