多跳心理治疗推理的多模态认知重构疗法
计算与语言
2025-02-12 v1 人工智能
摘要
先前的研究揭示了大型语言模型（LLM）支持认知重构疗法的潜力，但其关注主要集中在文本方法上，常常忽视了真实治疗中至关重要的非语言线索。为缓解这一差距，我们将文本化认知重构扩展到多模态，纳入视觉线索。具体而言，我们提出了名为 Multi Modal-Cognitive Support Conversation（M2CoSC）的新型数据集，将每段GPT-4生成的对话与反映虚拟客户面部表情的图像配对。为更贴近真实心理治疗，面部表情引导对隐含情感线索的解释，我们提出了一种多跳心理治疗推理方法，显式识别并整合细微线索。我们通过与LLM和视觉语言模型（VLM）的全面实验，证明M2CoSC数据集显著提升了VLM作为心理治疗师的性能。此外，多跳心理治疗推理方法使VLM能够提供更细致、更具共情力的建议，超越标准提示方法。
引用
@article{arxiv.2502.06873,
title = {Multimodal Cognitive Reframing Therapy via Multi-hop Psychotherapeutic Reasoning},
author = {Subin Kim and Hoonrae Kim and Heejin Do and Gary Geunbae Lee},
journal= {arXiv preprint arXiv:2502.06873},
year = {2025}
}
备注
NAACL 2025 Main