CALM-IT：通过双角色对话动态跟踪生成逼真的长程动机式访谈对话
计算与语言
2026-05-28 v2
摘要
治疗性对话并非一系列孤立的回应：来访者的目标、动机、阻抗和治疗联盟会随时间演变。然而，当前基于大语言模型（LLM）的心理健康对话系统通常缺乏在扩展交互中跟踪这些动态的显式机制，这可能导致干预时机不当或目标过早解决。我们引入了 CALM-IT，一个通过显式建模不断演变的来访者和咨询师状态来生成和评估长程动机式访谈对话的框架，从而指导咨询策略选择和话语生成。我们在一个包含 8,232 个合成对话的大规模语料库上评估了 CALM-IT，这些对话涵盖了多种对话长度和框架。与所有基线相比，CALM-IT 在大多数 MITI 4.2 全局评分上取得了最佳性能，包括共情、合作和软化维持性语句，以及其他关键性能指标，同时随着对话长度的增加，性能下降最小。值得注意的是，尽管 CALM-IT 发起的指向改变的提示更少，但在不同长度条件下，它平均产生了最高的来访者接受率（64.3%）。我们发布了一个可复现的生成框架、一个基于 MITI 的过程级评估协议，以及一个用于研究真实长程交互条件下治疗性大语言模型的大规模合成语料库。
引用
@article{arxiv.2601.10085,
title = {CALM-IT: Generating Realistic Long-Form Motivational Interviewing Dialogues with Dual-Actor Conversational Dynamics Tracking},
author = {Viet Cuong Nguyen and Nhi Yen Nguyen and Kristin A. Candan and Mary Conlon and Vanessa Rumie and Kristen Risola and Michael L. Birnbaum and Munmun De Choudhury},
journal= {arXiv preprint arXiv:2601.10085},
year = {2026}
}
备注
53 pages, in submission to EMNLP