一个面向痴呆症相关日常生活活动的交互式LLM模拟器
人机交互
2026-04-01 v1 图形学
机器人学
摘要
有效的痴呆症照护需要培训和适应性沟通，但辅助AI和机器人受限于缺乏丰富的上下文、注重隐私的数据来了解阿尔茨海默病及相关痴呆症（ADRD）患者在日常生活活动（ADL）期间的行为。我们引入了一个基于网络的模拟器，使用大语言模型（gpt-5-mini）来生成多轮次的、严重程度和照护场景条件化的患者在ADL协助期间的行为，将语句与轻量级行为线索（括号内）配对。用户设置痴呆严重程度、照护场景（及在场景中的时间）和ADL；在每次患者回合后，他们对真实性进行评分（1-5分），并可选择提出批评，然后通过自由文本或从四种策略框架建议（识别、协商、促进、验证）中选择/编辑来做出回应。我们进行了一项在线形成性专家在环研究（14位痴呆照护专家，18次会话，112个已评分回合）。模拟行为被判断为中等至高度可信，典型会话长度为六个回合。专家为54.5%的回合编写了自定义回复；识别和促进是最常用的建议策略。对批评的主题分析产生了六类失败模式分类法，揭示了ADL基础和照护场景一致性方面的反复崩溃，并指导提示/工作流改进。该模拟器和记录的交互支持一个证据驱动的改进循环，朝着经过验证的患者-照护者协同模拟以及支持数据收集、照护者培训和辅助AI与机器人策略发展。
引用
@article{arxiv.2603.29856,
title = {An Interactive LLM-Based Simulator for Dementia-Related Activities of Daily Living},
author = {Kruthika Gangaraju and Shu-Fen Wung and Kevin Berner and Jing Wang and Fengpei Yuan},
journal= {arXiv preprint arXiv:2603.29856},
year = {2026}
}