基于大语言模型的对话代理为家庭照护者提供问题解决疗法(PST)：利用上下文学习增强共情与治疗联盟
人工智能
2025-06-16 v1 计算与语言
人机交互
摘要
家庭照护者由于其多重角色和有限资源，常常面临重大的心理健康挑战。本研究探索了由大语言模型（LLM）驱动的对话代理为照护者提供循证心理健康支持的潜力，具体为融合了动机访谈（MI）和行为链分析（BCA）的问题解决疗法（PST）。一项被试内实验在 28 名照护者中进行，他们与四种 LLM 配置进行交互，以评估共情和治疗联盟。表现最佳的模型结合了少样本（Few-Shot）和检索增强生成（RAG）提示技术，以及临床医生整理的示例。模型表现出更强的上下文理解和个性化支持能力，这体现在定性回答以及感知共情和治疗联盟的量化评分中。参与者重视模型验证情绪、探索未表达感受以及提供可操作策略的能力。然而，在全面评估与高效建议传递之间取得平衡仍是一个挑战。本工作突显了 LLM 在为家庭照护者提供共情和定制化支持方面的潜力。
引用
@article{arxiv.2506.11376,
title = {Large Language Model-Powered Conversational Agent Delivering Problem-Solving Therapy (PST) for Family Caregivers: Enhancing Empathy and Therapeutic Alliance Using In-Context Learning},
author = {Liying Wang and Ph. D. and Daffodil Carrington and M. S. and Daniil Filienko and M. S. and Caroline El Jazmi and M. S. and Serena Jinchen Xie and M. S. and Martine De Cock and Ph. D. and Sarah Iribarren and Ph. D. and Weichao Yuwen and Ph. D},
journal= {arXiv preprint arXiv:2506.11376},
year = {2025}
}