基于大型语言模型的认知行为疗法响应生成：对比性研究

由咨询技术（如认知行为疗法，CBT）中基于预定义或规则场景派生的对话系统，在精神健康应用中发挥着重要作用。尽管需要负责任的响应，但使用新兴的大型语言模型（LLM）生成与情境相关的言语，对于增强这些应用具有潜在价值。本研究构建了以传统Socratic 质询为核心的CBT情境对话模块，采用两种类型的LLM：一种是基于Transformer的对话模型，通过由大阪县（OsakaED）提供的社交媒体同情性咨询数据集进行微调；另一种是OpenAI开发的领先大型语言模型GPT-4。通过比较使用LLM生成响应与不使用LLM生成响应的系统，我们研究了生成响应对主观评估（如情绪变化、认知变化和对话质量（如共情））的影响。结果显示，使用OsakaED模型时未观察到显著性改进。而使用GPT-4时，情绪变化、共情及其他对话质量指标显著提升。结果表明GPT-4具备高度的咨询能力。然而，这也表明即使使用了来自人类咨询数据集训练的对话模型，其结果也不一定优于基于情境的对话。尽管在呈现LLM生成的响应（包括GPT-4）并直接与用户在现实精神健康护理服务中互动可能引发伦理问题，但在使用规则、情境或示例响应的系统中，人类专业人员仍可使用LLM提前生成示例响应或响应模板。