面向大型语言模型作为治疗工具：比较评估不同提示技术在GPT交付问题解决疗法中的作用
计算与语言
2024-09-04 v1 人工智能
新兴技术
人机交互
机器学习
摘要
尽管大型语言模型（LLM）正在被快速适应于包括医疗保健在内的多个领域，但其优势与局限性仍未得到充分探索。本研究考察了提示工程对引导大型语言模型（LLM）通过文本交付问题解决疗法（Problem-Solving Therapy, PST）部分的影响，尤其聚焦于个性化目标制定期间的症状识别与评估阶段。我们通过自动度量和经验丰富的医学专业人员，对模型表现进行评估结果呈现。我们证明，通过正确使用提示工程方法，可改善模型交付协议化治疗的能力，尽管存在局限性。鉴于当前精神健康专业人员短缺且需求显著，探索LLM在交付心理治疗方面的潜力，为AI驱动或AI增强的护理服务提升实用性提供了希望。
引用
@article{arxiv.2409.00112,
title = {Toward Large Language Models as a Therapeutic Tool: Comparing Prompting Techniques to Improve GPT-Delivered Problem-Solving Therapy},
author = {Daniil Filienko and Yinzhou Wang and Caroline El Jazmi and Serena Xie and Trevor Cohen and Martine De Cock and Weichao Yuwen},
journal= {arXiv preprint arXiv:2409.00112},
year = {2024}
}
备注
Accepted for AMIA 2024 proceedings