Psych=eChat：面向情绪转移追踪与安全风险分析的心理咨询同理框架
人工智能
2026-01-21 v1
摘要
大型语言模型（LLM）在心理咨询领域取得了显著进展。然而，现有模型通常不显式地建模求助者在不同咨询 session 中的情绪变化——这是古典心理学流派中的核心关注点。此外，如何将辅导员模型的响应与这些情绪变化保持一致，同时主动缓解安全风险，仍未得到充分探索。为弥合这些差距，我们提出了 Psych=eChat，显式集成情绪转移追踪与安全风险分析用于心理咨询。具体而言，我们采用交互式角色扮演合成辅导员-求助者对话，包含两个模块：情绪管理模块，用于捕捉求助者的当前情绪及情绪变化；风险控制模块，用于预测求助者的后续反应并识别潜在风险。进一步，我们引入两种建模范式。Agent 模式将情绪管理、风险控制和辅导员响应结构化为协作的多智能体管线。LLM 模式将这些阶段集成为统一的链式思维，以实现端到端推理，在效率与性能之间取得平衡。大量实验，包括交互式评分、对话级评估和人类评估，表明 Psych=eChat 在情感洞察和安全控制方面优于现有方法。
引用
@article{arxiv.2601.12392,
title = {Psych\=eChat: An Empathic Framework Focused on Emotion Shift Tracking and Safety Risk Analysis in Psychological Counseling},
author = {Zhentao Xia and Yongqi Fan and Yuxiang Chu and Yichao Yin and Liangliang Chen and Tong Ruan and Weiyan Zhang},
journal= {arXiv preprint arXiv:2601.12392},
year = {2026}
}