Psychological Assessments with Large Language Models: A Privacy-Focused and Cost-Effective Approach

本文是LLM系列文章，针对《Psychological Assessments with Large Language Models: A Privacy-Focused and Cost-Effective Approach》的翻译。

摘要

本研究探索了使用大型语言模型（LLM）来分析Reddit用户的文本评论，旨在实现两个主要目标：首先，找出支持对自杀风险进行预定义心理评估的关键摘录；其次，总结材料，以证实预先分配的自杀风险水平。这项工作仅限于使用可以在本地运行的“开源”LLM，从而增强数据隐私。此外，它优先考虑计算需求低的模型，使个人和机构都可以使用有限的计算预算。实现的策略只依赖于精心制作的提示和语法来指导LLM的文本完成。尽管它很简单，但评估指标显示出了出色的结果，使其成为一种有价值的以隐私为重点且具有成本效益的方法。这项工作是计算语言学和临床心理学（CLPsych）2024共享任务的一部分。

1 引言

2 任务和数据

3 方法

4 结果

5 讨论

6 结论

评估了六种不同的“开源”大型语言模型，以完成CLPsych 2024研讨会提出的共享任务。这项工作表明，遵循一种相对简单的方法，主要包括一个结构良好的提示和一个单一的例子，可以与具有成本效益的LLM一起使用，以提取亮点并生成全面一致的摘要，从而证明参与在线文本论坛的用户