Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding

本文提出互动链(CoI)提示方法,通过二元互动加强大型语言模型(LLM)在精神病行为理解中的表现,特别是在动机访谈(MI)过程中的患者行为编码。CoI提示法将任务分解为关键推理步骤,整合患者和治疗师的互动,实现在真实世界数据集上的优秀性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts》的翻译。

互动链:通过二元语境增强对精神病行为理解的大型语言模型

摘要

在动机访谈(MI)过程中,对患者行为进行自动编码对于支持心理治疗师的决策至关重要,这是一种解决精神问题(如酒精和毒瘾)的协作沟通干预方法。虽然行为编码任务已经快速调整了语言模型来预测MI会话期间的患者状态,但缺乏特定领域的知识和忽视患者与治疗师的互动是在实际实践中开发和部署这些模型的主要挑战。为了应对这些挑战,我们引入了互动链(CoI)提示方法,旨在通过二元互动将大型语言模型(LLM)情境化,以支持精神病决策。CoI提示方法系统地将编码任务分解为三个关键的推理步骤,提取患者参与度,学习治疗师的问题策略,并整合患者和治疗师之间的二元互动。这种方法使大型语言模型能够利用编码方案、患者状态和领域知识进行患者行为编码。在真实世界数据集上的实验可以证明我们的提示方法的有效性和灵活性,在现有的提示基线上有多个最先进的LLM。我们进行了广泛的消融分析,并证明了二元互动在应用LLM进行心理治疗行为理解中的关键作用。

1 引言

2 数据

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值