Psyche-R1：通过统一的同情心、专业知识与推理实现可靠心理学 LLM
计算与语言
2025-08-25 v2
摘要
在精神健康专业人员数量不足的背景下，将大型语言模型 (LLM) 集成到心理学应用中提供了缓解日益加剧的心理健康障碍负担的前景。近期的推理增强型 LLM 在数学和编程领域取得了显著成绩，而心理学领域的研究则主要侧重于情感支持和同情对话，人们对有助于生成可靠响应的推理机制关注不足。因此，本文提出了 Psyche-R1，是首个集成同情心、心理学专业知识与推理的中文心理学 LLM，基于一种新颖的数据 curated 流程构建。具体而言，我们设计了完整的数据合成管道，生成超过 75000 条高质量心理学问题与详细推理链搭配，采用链式思维 (chain-of-thought, CoT) 推理和迭代提示-推理优化，同时生成 73000 条同情对话。随后，我们采用混合训练策略，通过多 LLM 交叉选择策略识别具有挑战性的样本，以组相对策略优化 (group relative policy optimization, GRPO) 提升推理能力；其余数据则用于监督微调 (supervised fine-tuning, SFT) 以增强同情响应生成和心理学领域知识。广泛的实验结果表明，Psyche-R1 在多个心理学基准测试中均表现出色，其中 7B 参数的 Psyche-R1 能与 671B 参数的 DeepSeek-R1 相当。
引用
@article{arxiv.2508.10848,
title = {Psyche-R1: Towards Reliable Psychological LLMs through Unified Empathy, Expertise, and Reasoning},
author = {Chongyuan Dai and Jinpeng Hu and Hongchang Shi and Zhuo Li and Xun Yang and Meng Wang},
journal= {arXiv preprint arXiv:2508.10848},
year = {2025}
}