P-ReMIS：心理健康中的语用推理及其社会影响
计算与语言
2025-11-10 v2
摘要
尽管可解释性与可解释性在人工智能（AI）和面向心理健康的自然语言处理（NLP）中受到了广泛关注，但推理能力尚未得到同等深度的考察。弥合这一差距对于通过可解释且具备推理能力的AI系统来连接NLP与心理健康领域至关重要。为此，我们研究了大型语言模型（LLMs）在心理健康领域的语用推理能力。我们引入了PRiMH数据集，并提出了包含语用含义与预设现象的心理健康语用推理任务。具体而言，我们设计了两个含义任务和一个预设任务。为了对所提出的数据集和任务进行基准测试，我们考察了四个模型：Llama3.1、Mistral、MentaLLaMa和Qwen。实验结果表明，Mistral和Qwen在该领域展现出显著的推理能力。随后，我们结合rollout注意力机制研究了MentaLLaMA在所提出推理任务上的行为。此外，我们还提出了三种StiPRompts，利用最先进的LLMs（GPT4o-mini、Deepseek-chat和Claude-3.5-haiku）来研究心理健康相关的污名化问题。我们的评估结果表明，与另外两个LLMs相比，Claude-3.5-haiku在处理污名化问题时更为负责任。
引用
@article{arxiv.2507.23247,
title = {P-ReMIS: Pragmatic Reasoning in Mental Health and a Social Implication},
author = {Sneha Oram and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2507.23247},
year = {2025}
}