PsychEval：面向高真实性 AI 心理咨询师的多-session 与多疗法基准
人工智能
2026-01-09 v3
摘要
为开发可靠的 AI 心理评估系统，我们引入 \texttt{PsychEval}，一个面向多 session、多疗法且高度真实的基准，旨�解决三个关键挑战：\textbf{1) 我们能否训练出高度真实的 AI 咨询师？} 真实的咨询是一项纵向任务，需要持续的记忆和动态目标跟踪。我们提出的多 session 基准（跨越 6-10 个 session 及三个不同阶段）要求具备记忆连续性、适应性推理和纵向规划等关键能力。数据集包含超过 677 项元技能和 4577 项原子技能的详细标注。\textbf{2) 如何训练多疗法 AI 咨询师？} 虽然现有模型常聚焦单一疗法，但复杂案例常需灵活运用多种疗法策略。我们构建了覆盖 Psychodynamic、Behaviorism、CBT、Humanistic Existentialist 和 Postmodernist 五种治疗模式的多样化数据集，并辅以基于六大核心心理议题的统一三阶段临床框架的整合性疗法。\textbf{3) 如何系统评估 AI 咨询师？} 我们建立了包含 18 项治疗特定指标和治疗共享指标的整体评估框架，分别沿用 Client-Level 与 Counselor-Level 两个维度。为此，我们还构建了超过 2000 个多样化客户档案。大量实验分析充分验证了数据集优异质量和临床忠实度。关键在于，\texttt{PsychEval} 超越了静态基准测试，成为一个高保真强化学习环境，使可实现以临床负责任和自适应为特征的 AI 咨询师自我进化训练。
关键词
引用
@article{arxiv.2601.01802,
title = {PsychEval: A Multi-Session and Multi-Therapy Benchmark for High-Realism AI Psychological Counselor},
author = {Qianjun Pan and Junyi Wang and Jie Zhou and Yutao Yang and Junsong Li and Kaiyin Xu and Yougen Zhou and Yihan Li and Jingyuan Zhao and Qin Chen and Ningning Zhou and Kai Chen and Liang He},
journal= {arXiv preprint arXiv:2601.01802},
year = {2026}
}