从视觉感知到深度共情：基于多模态大语言模型与多智能体协作的房树人绘画自动评估框架
人工智能
2025-12-29 v1 系统与控制
系统与控制
摘要
背景：房树人(HTP)绘画测试由John Buck于1948年提出，至今仍是临床心理学中广泛使用的投射技术。然而，它长期面临评分标准不一致、依赖检查者主观经验以及缺乏统一量化编码系统等挑战。结果：定量实验表明，多模态大语言模型(MLLM)解释与人类专家解释之间的平均语义相似度约为0.75（标准差约0.05）。在结构导向的专家数据集中，该相似度上升至0.85，表明达到了专家水平的基线理解。定性分析显示，多智能体系统通过整合社会心理学视角和去污名化叙事，有效纠正了视觉幻觉，并生成了具有高生态效度和内部一致性的心理报告。结论：研究结果证实了多模态大模型作为投射评估标准化工具的潜力。所提出的多智能体框架通过角色分工，将特征识别与心理推理解耦，为数字心理健康服务提供了新范式。
引用
@article{arxiv.2512.21360,
title = {From Visual Perception to Deep Empathy: An Automated Assessment Framework for House-Tree-Person Drawings Using Multimodal LLMs and Multi-Agent Collaboration},
author = {Shuide Wen and Yu Sun and Beier Ku and Zhi Gao and Lijun Ma and Yang Yang and Can Jiao},
journal= {arXiv preprint arXiv:2512.21360},
year = {2025}
}
备注
16 pages, 8 figures