本文是LLM系列文章,针对《CBT-LLM: A Chinese Large Language Model for Cognitive Behavioral Therapy-based Mental Health Question Answering》的翻译。
摘要
人工智能的最新进展凸显了语言模型在心理健康支持方面的潜力。虽然根据心理健康服务平台的数据训练的模型已经取得了初步成功,但在数据稀缺、质量和确保心理技术的坚实基础等领域仍然存在挑战。为了应对这些挑战,本研究引入了一种新的方法,通过大型语言模型来提高心理支持的准确性和有效性。具体而言,我们设计了一个源自认知行为疗法(CBT)原理的特定提示,并生成了CBT QA数据集,专门用于基于CBT结构化干预策略的中国心理健康问答。与以前的方法不同,我们的数据集强调专业和结构化的响应。利用这个数据集,我们对大型语言模型进行了微调,产生了CBT-LLM,这是一种专门为认知行为治疗技术设计的大型语言模型。实证评估表明,CBT-LLM在心理健康支持任务中擅长产生结构化、专业化和高度相关的反应,展示了其实用性和质量。该模型可在“Hugging Face”上获得:https://huggingface.co/Hongbin37/CBT-LLM。
1 引言
2 相关工作
3 方法
4 实验
5 结论和未来工作
在这项研究中,我们在心理健康支持领域提出了一种开创性的方法,弥合了LLM和CBT之间的差距。通过引入特定于CBT的提示,并为中国心理健康领域量身定制CBT QA数据集,我们能够微调大型语言模型

本文介绍了一种名为CBT-LLM的大型语言模型,该模型针对认知行为疗法(CBT)原理进行微调,专门用于中国心理健康领域的结构化问答。通过生成CBT QA数据集,模型能提供结构化、专业且高度相关的回答,实验证明其在心理健康支持任务中表现优秀。未来的研究将考虑整合更多疗法并实现多回合对话。
订阅专栏 解锁全文
2624

被折叠的 条评论
为什么被折叠?



