从无状态到具象化：构建用于 LLM 基于情感支持的心理学世界
人工智能
2026-03-27 v1
摘要
在心理支持和情感陪伴场景中，大语言模型（LLM）的核心局限不仅在于响应质量，更在于其依赖局部 next-token 预测，无法维持对话中所需的temporal continuity、stage awareness以及用户同意边界。这种无状态特性使得系统在连续对话中容易出现过早推进、阶段错位和边界违规。为此，我们认为，面向过程导向的情感支持的关键挑战不仅在于生成自然语言，更在于为模型构建可持续更新的外部情境结构。我们因此提出了 LEKIA 2.0，一种具象化 LLM 架构，将认知层与执行层分离，从而将情境建模与干预执行解耦。该设计使系统能够在持续交互期间维持用户情境和同意边界的稳定表示。为评估此过程控制能力，我们进一步引入了用于多轮交互的 Static-to-Dynamic 在线评估方案。LEKIA 在深度干预循环完成方面相对于仅使用提示的基线平均提升约 31%。结果表明，外部情境结构是构建稳定、可控且具象化情感支持系统的关键条件。
引用
@article{arxiv.2603.25031,
title = {From Stateless to Situated: Building a Psychological World for LLM-Based Emotional Support},
author = {Boning Zhao and Clover Hu and Xinnuo Li},
journal= {arXiv preprint arXiv:2603.25031},
year = {2026}
}