设备端精神科AI：Gemma、Phi和Qwen在不向云端发送数据的情况下运行

由Eranga Bandara领导的研究团队（共11名合作者）于2026年4月20日在arXiv发表了一篇论文，描述了一款完全在本地运行的精神科支持移动应用程序，不向云端发送任何数据。

三个小模型而非一个大模型

系统使用三个量化和微调的语言模型：Gemma、Phi-3.5-mini和Qwen2。所有模型都在移动设备上本地运行，协调层负责集成推理和共识推断。不依赖于一个大型云模型，而是让较小的模型互相补充和验证，从而提高诊断评估的可靠性。arXiv是由康奈尔大学运营的科学预印本开放存档库。初步评估表明，设备端版本在标准移动硬件上以实时延迟实现了与云版本相当的准确性。

DSM-5评估和临床应用

该应用程序生成符合美国精神医学学会DSM-5分类的评估。主要功能有两个：支持临床医生进行鉴别诊断和症状映射，以及患者自我筛查，配有将用户引导到专业帮助的安全机制。作者强调没有任何患者数据离开设备，这对于敏感人群的同意至关重要。

为什么隐私至关重要

该研究聚焦于数据暴露的恐惧阻碍人们寻求帮助的场景。例子包括军队（精神科诊断可能影响安全许可）、司法系统（被拘留者对中央数据库缺乏信任），以及偏远或农村医疗环境（没有稳定的互联网连接）。零出口方法从技术上消除了这一风险，因为数据永远不会被第三方访问，也不能在传输到外部服务器的途中被截获。额外的优势是对网络中断的抵抗力，这在军事和农村场景中很重要。作者指出，模型量化对于实际可用性至关重要，因为它允许在中端手机上运行而不会过热和过度耗电。该论文在Creative Commons Attribution 4.0许可证下发布，鼓励对该方法进行开放的科学验证。