利用大语言模型的共情回复生成能力支持在线心理健康咨询
计算与语言
2023-10-13 v1
摘要
大语言模型(LLMs)在各种信息检索与推理任务中展现出卓越性能。这些计算系统驱动着最先进的对话系统，如ChatGPT和Bard。尽管相对未被充分探索，它们在满足日益增长的心理健康照护需求方面也承载着巨大前景。因此，本研究旨在考察LLMs在模拟心理健康咨询场景的对话中生成共情回复的能力。我们选取了五个LLM：生成式预训练(GPT)的第3.5版与第4版、Vicuna FastChat-T5、Pathways语言模型(PaLM)第2版以及Falcon-7B-Instruct。基于简单的指令提示，这些模型对源自EmpatheticDialogues(ED)数据集的语句作出回复。利用三个与共情相关的指标，我们将它们的回复与在传统回复生成对话系统（在ED数据集上微调）以及人类生成的回复进行比较。值得注意的是，我们发现LLMs的回复在大多数场景下明显更具共情性。我们将研究结果置于共情对话系统迅猛发展的背景中进行探讨。
引用
@article{arxiv.2310.08017,
title = {Harnessing Large Language Models' Empathetic Response Generation Capabilities for Online Mental Health Counselling Support},
author = {Siyuan Brandon Loh and Aravind Sesagiri Raamkumar},
journal= {arXiv preprint arXiv:2310.08017},
year = {2023}
}
备注
7 pages, 1 figure