PsyLite 技术报告
人工智能
2025-07-17 v1 人机交互
摘要
随着数字技术的快速发展，基于 AI 的心理咨询逐渐成为心理健康领域的重要研究方向。然而，现有模型在对话安全性、细致情景处理和轻量级部署方面仍存在不足。为此，本文提出 PsyLite，一个基于 InternLM2.5-7B-chat 基础模型开发的轻量级心理咨询大型语言模型智能体。通过两阶段训练策略（混合蒸馏数据微调和 ORPO 偏好优化），PsyLite 提升了模型的深层推理能力、心理咨询能力和安全对话能力。在部署 Ollama 和 Open WebUI后，创建了自定义的工作流程。设计了创新的条件 RAG，在心理咨询过程中适当时引入跨话题幽默元素以提升用户体验，并通过降低危险请求来强化对话安全。评估结果表明，PsyLite 在中文通用评估（CEval）、心理咨询专业评估（CPsyCounE）和对话安全评估（SafeDialBench）中均优于基线模型，尤其在心理咨询专业性（CPsyCounE 分数提升 47.6%）和对话安全性（Safe 分数提升 2.4%）方面表现突出。此外，模型采用量化技术（GGUF q4_k_m）实现低硬件部署（仅需 5GB 内存即可运行），为资源受限环境下的心理咨询应用提供了可行方案。
引用
@article{arxiv.2506.21536,
title = {PsyLite Technical Report},
author = {Fangjun Ding and Renyu Zhang and Xinyu Feng and Chengye Xie and Zheng Zhang and Yanting Zhang},
journal= {arXiv preprint arXiv:2506.21536},
year = {2025}
}