AI增强型大语言模型在动机访谈中达到治疗师水平的回复
计算与语言
2025-05-26 v1
摘要
像 GPT-4 这样的大语言模型（LLM）在成瘾护理中具有扩展动机访谈（MI）的潜力，但需要对其治疗能力进行系统性评估。我们提出了一种通过期望和非期望 MI 行为评估用户感知质量（UPQ）的计算框架。通过人机协作分析人类治疗师和 GPT-4 的 MI 会话，我们开发了整合深度学习和可解释 AI 的预测模型，识别出 17 个 MI 一致（MICO）和 MI 不一致（MIIN）行为指标。定制的思维链提示提升了 GPT-4 的 MI 表现，减少了不适当建议，同时增强了反思和共情能力。尽管 GPT-4 整体上仍略逊于治疗师，但其展示了卓越的建议管理能力。该模型通过提示工程实现了可衡量的质量提升，但在处理复杂情感细微差别方面仍存在局限。该框架为通过针对性行为指标分析和人机共同评估来优化基于 LLM 的治疗工具开辟了道路。研究结果同时揭示了 LLM 在临床沟通应用中的扩展潜力和当前局限。
引用
@article{arxiv.2505.17380,
title = {AI-Augmented LLMs Achieve Therapist-Level Responses in Motivational Interviewing},
author = {Yinghui Huang and Yuxuan Jiang and Hui Liu and Yixin Cai and Weiqing Li and Xiangen Hu},
journal= {arXiv preprint arXiv:2505.17380},
year = {2025}
}
备注
21 pages, 5 figures