张 心理健康咨询相关论文

EmoLLM：多模态情感理解与大型语言模型的结合

PsyDT：使用 LLM 构建具有个性化咨询风格的心理咨询师数字孪生

目前，大型语言模型 （LLM） 在心理咨询领域取得了重大进展。然而，现有的心理健康 LLM 忽略了一个关键问题，即他们没有考虑不同的心理咨询师表现出不同的个人风格这一事实，包括语言风格和治疗技巧等。因此，这些 LLM 无法满足寻求不同咨询风格的客户的个人需求。为了帮助弥合这一差距，我们提出了 PsyDT，这是一个使用 LLM 构建具有个性化咨询风格的心理咨询师数字孪生的新框架。与收集大量真实世界咨询案例以创建特定顾问的数字孪生的耗时且昂贵的方法相比，我们的框架提供了一种更快、更具成本效益的解决方案。为了构建 PsyDT，我们利用动态的一次性学习，使用 GPT-4 来捕捉咨询师独特的咨询风格，主要关注语言风格和治疗技巧。随后，使用现有的单轮长文本对话和客户的问题，引导 GPT-4 合成特定顾问的多轮对话。最后，我们在合成数据集 PsyDTCorpus 上微调 LLM，以实现