面向抑郁青年的基于 LLM 的行为激活聊天机器人设计：来自人工用户与临床专家评估的洞察
人机交互
2025-12-22 v3
摘要
LLM 有望通过增强的自然语言能力克服基于规则的心理健康聊天机器人的局限性，但其提供循证心理干预的能力在很大程度上仍未得到验证，因为评估很少应用用于评估心理治疗师的经过验证的保真度量表。我们开发了一个提供抑郁症行为激活的基于 LLM 的聊天机器人，并与多样化的人工用户生成了 48 个完整聊天会话。十位心理治疗师使用行为激活质量量表（Q-BAS，一种经过验证的保真度工具）评估了这些会话。结果表明，该聊天机器人在所有阶段都能可靠地执行干预并维持安全协议，但在临床判断方面存在困难，特别是在验证所提议活动的可行性时。总体而言，我们的研究结果表明，基于 LLM 的聊天机器人可以高保真度地执行治疗方案，而稳健的临床推理仍是一个开放挑战。我们概述了解决这一差距的设计启示，并提供了聊天机器人和人工用户的提示词。
引用
@article{arxiv.2503.21540,
title = {Designing an LLM-Based Behavioral Activation Chatbot for Young People with Depression: Insights from an Evaluation with Artificial Users and Clinical Experts},
author = {Florian Onur Kuhlmeier and Leon Hanschmann and Melina Rabe and Stefan Luettke and Eva-Lotta Brakemeier and Alexander Maedche},
journal= {arXiv preprint arXiv:2503.21540},
year = {2025}
}