通过人与语言模型交互对负面想法进行认知重构

一种被证实可克服负面想法的治疗技术是将其替换为更有希望的“重构想法”。尽管治疗可帮助人们练习并学习这种负面想法的认知重构，但临床医生短缺与心理健康污名通常限制人们获得治疗的机会。在本文中，我们开展一项以人为中心的研究，探讨语言模型如何协助人们重构负面想法。基于心理学文献，我们定义了可用于重构想法的一组七个语言属性的框架。我们开发了自动度量来测量这些属性，并通过心理健康从业者的专家判断进行验证。我们从一个大型心理健康网站收集了从业者提供的 600 个情境、想法与重构样本，并用其训练一个检索增强的上下文学习模型，该模型有效生成重构想法并控制其语言属性。为探究何为“高质量”重构，我们在一个拥有超过 2000 名参与者的知名心理健康网站上开展了一项经 IRB 批准的随机现场研究。除其他发现外，我们表明人们偏好高度共情或具体的重构，而非过度积极的重构。我们的发现为使用 LM 协助人们克服负面想法提供了关键启示。