大型语言模型的“推理”能力是否提升了识别、生成和重构无帮助思维的能力？
计算与语言
2025-04-02 v1 人工智能
摘要
认知重构是认知行为疗法（CBT）的核心要素，通过寻找积极意义来帮助个体重新解释负面经历。近期大型语言模型（LLM）的进展表明，基于推理的策略可显著提升性能。这启发了一种利用LLM推理能力模拟批判性思维过程，以提高CBT和认知重构效果的前景，从而可能更有效地识别、生成和重构认知扭曲。在本工作中，我们探讨了各种推理方法，包括预训练推理LLM以及诸如CoT和自我一致性等增强推理策略，对提升LLM执行认知重构任务能力的作用。我们发现，即使应用于像GPT-3.5这样“过时”的LLM，增强推理方法在识别、生成和重构无帮助思维方面始终优于最先进的预训练推理模型。
引用
@article{arxiv.2504.00163,
title = {Does "Reasoning" with Large Language Models Improve Recognizing, Generating, and Reframing Unhelpful Thoughts?},
author = {Yilin Qi and Dong Won Lee and Cynthia Breazeal and Hae Won Park},
journal= {arXiv preprint arXiv:2504.00163},
year = {2025}
}
备注
8 pages, 3 figures (including appendix)