PsyDI：面向心理测量的个性化与渐进式深度对话机器人
人机交互
2025-01-17 v4 人工智能
计算机与社会
机器学习
摘要
在心理学领域，传统评估方法（如标准化量表）常因其静态性质、缺乏个性化和参与者参与度低而受到批评，而全面的咨询评估往往难以获得。量化心理特征的复杂性进一步限制了这些方法。尽管大型语言模型（LLM）取得了进展，但许多仍依赖于单轮问答交互。为了弥合这一差距，我们引入了PsyDI，一个用于心理测量的个性化与渐进式深度对话机器人，以迈尔斯-布里格斯类型指标（MBTI）框架中的应用为例。PsyDI利用用户相关的多模态信息，并通过定制的多轮交互提供个性化、易于获得的测量，同时确保精确的MBTI类型判定。为了应对不可量化心理特征的挑战，我们引入了一种新型训练范式，涉及学习与这些特征相关的代理变量的排序，最终形成一个用于MBTI测量的稳健评分模型。该评分模型使PsyDI能够通过统一估计上下文中的多轮交互进行全面且精确的测量。通过各种实验，我们验证了评分模型和PsyDI流程的有效性，展示了其作为心理测量通用框架的潜力。此外，PsyDI的在线部署获得了大量用户参与，超过3000次访问，收集了大量标注了MBTI类型的多轮对话，为进一步研究提供了便利。训练和网络服务组件的源代码在OpenDILab上公开可得，地址为：https://github.com/opendilab/PsyDI
引用
@article{arxiv.2408.03337,
title = {PsyDI: Towards a Personalized and Progressively In-depth Chatbot for Psychological Measurements},
author = {Xueyan Li and Xinyan Chen and Yazhe Niu and Shuai Hu and Yu Liu},
journal= {arXiv preprint arXiv:2408.03337},
year = {2025}
}
备注
29 pages, 15 figures