CBT-LLM：面向基于认知行为疗法的心理健康问答的中文大语言模型

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。虽然基于心理健康服务平台数据训练的模型已取得初步成功，但在数据稀缺、数据质量以及确保坚实的心理学技术基础等方面仍然存在挑战。为了解决这些挑战，本研究引入了一种新颖的方法，通过大语言模型提高心理支持的精确性和有效性。具体来说，我们设计了一个源自认知行为疗法（CBT）原则的特定提示，并生成了CBT问答数据集，该数据集专门针对基于CBT结构化干预策略的中文心理健康问答。与以往方法不同，我们的数据集强调专业和结构化的回答。利用该数据集，我们对大语言模型进行了微调，诞生了CBT-LLM，这是一个专门为认知行为疗法技术设计的大规模语言模型。实证评估表明，CBT-LLM在心理健康支持任务中能够生成结构化、专业且高度相关的回答，展示了其实用性和质量。该模型可在Hugging Face上获取：https://huggingface.co/Hongbin37/CBT-LLM。