CBT-LLM: A Chinese Large Language Model for Cognitive Behavioral Therapy-based Mental Health QA

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