EFT-CoT：面向情感聚焦治疗的多智能体 链律框架
计算与语言
2026-03-10 v2
摘要
大型语言模型 (LLM) 用于精神健康问答 (MHQA) 虽提供了缓解精神健康资源短缺的前景，但先前工作主要依赖认知行为疗法 (CBT) 且主要遵循以理性认知重构为中心的自上而下策略，仅能为身体化经验和原始情感处理提供有限支持。为填补这一空白，我们提出 EFT-CoT，一种基于情感聚焦治疗 (EFT) 的多智能体 链律框架。EFT-CoT 将干预操作化为三个阶段的工作流程：身体感知、认知探索和叙事干预。该框架运用八个专门智能体来建模包括躯体意识映射、自适应评估、核心信念提取和叙事重构等关键过程。基于该框架，我们构建 EFT-Instruct，来自约67,000 条真实求助文本的过程级增强的高质量指令调优数据集，并进一步微调专用模型 EFT-LLM。实验表明，EFT-LLM 在共情深度和结构专业性方面 consistently 优于强大基准和人类响应。消融研究进一步验证关键机制的贡献，而白盒审计显示关键中间状态的一致性和可追溯性。总体而言，本工作为将 EFT 机制嵌入 LLM-based 精神健康支持提供了可复现的框架-数据-模型管道。
引用
@article{arxiv.2601.17842,
title = {EFT-CoT: A Multi-Agent Chain-of-Thought Framework for Emotion-Focused Therapy},
author = {Lanqing Du and Yunong Li and YuJie Long and Shihong Chen},
journal= {arXiv preprint arXiv:2601.17842},
year = {2026}
}