PsyCLIENT：基于对话轨迹建模的心理健康咨询中客户端仿真方案
计算与语言
2026-01-13 v1
摘要
基于大语言模型 (LLM) 的客户端仿真已成为为初学型咨询师培训和评估自动化咨询系统的有前景的工具。然而，现有客户端仿真方法面临三个关键挑战：(1) 客户端档案的多样性和真实性有限，(2) 缺乏一种原则化的框架来建模真实的客户端行为，(3) 在中文语言环境中资源匮乏。为此，我们提出了PsyCLIENT——一种基于对话轨迹建模的仿真框架。通过在LLM生成过程中以预定义的真实世界轨迹为条件，包含显式行为标签和内容约束，从而确保交互的多样性和真实性。我们进一步引入了PsyCLIENT-CP——首个开源中文客户端档案数据集，覆盖60个不同的咨询主题。针对PsyCLIENT进行的全面评估显示，涉及持证专业咨询师的实验表明，PsyCLIENT在真实性和培训效果方面显著优于基线方法。值得注意的是，模拟的客户端几乎无法被区分于人类客户端，在鉴别任务中实现约95%的专家混淆率。这一发现表明，对话轨迹建模有效地弥合了理论客户端档案与动态、真实仿真之间的鸿沟，为心理健康教育和研究提供了稳健的解决方案。代码和数据将公开，以促进心理健康咨询领域的未来研究。
引用
@article{arxiv.2601.07312,
title = {PsyCLIENT: Client Simulation via Conversational Trajectory Modeling for Trainee Practice and Model Evaluation in Mental Health Counseling},
author = {Huachuan Qiu and Zhaoming Chen and Yuqian Chen and Yuan Xie and Yu Lu and Zhenzhong Lan},
journal= {arXiv preprint arXiv:2601.07312},
year = {2026}
}