通过将思路链式提示（CoT）拓展到医学推理领域，我们提出了诊断推理 CoT（DR-CoT）。实证结果表明，通过仅向仅训练于一般文本语料库的大型语言模型提供两个 DR-CoT 实例来指导，诊断准确性提高了 15%。此外，在领域外情景中，该差距达到显著的 18%。我们的研究结果表明，大型语言模型中可以通过适当的提示引出专家知识推理。

Jul, 2023

本研究使用社交媒体数据，旨在提取认知路径并创建一个文本概述任务以帮助心理治疗师更好地进行在线干预，结果表明深度学习方法在层次化文本分类任务中获得了 62.34% 的微平均 F1 分数，而 GPT-4 模型在文本概述任务中表现优于实验深度学习模型，但可能存在生成虚构信息的问题。

Apr, 2024

通过 CoT 提示方法来评估四个语言模型对第三年医学生反思性文章的打分，结果显示 Llama-7b 表现最差，均方误差最高，而 ChatGPT 表现出色，科恩卡帕分数达到 0.53。此外，所选模型均优先考虑用户隐私，允许用户删除自己进行的会话。

Sep, 2023

本研究提出了一种基于机器学习的框架，用于从两个包含常见认知失真内容的心理健康自由文本数据集中自动检测和分类 15 种认知失真类型。通过区分不同扭曲和非扭曲段落，该模型实现了加权 F1 得分 0.88。对于对扭曲段落进行分类，该模型在更大的众包数据集中产生了 0.68 的加权 F1 得分。该研究还探讨了在数据驱动的视角下建立相似认知失真之间主题关系的探索分析。

Sep, 2019

全球精神健康危机，人工智能和大型语言模型能够支持或提供心理咨询，但其应用也引发了准确性、有效性、可靠性的担忧。本文研究了大型语言模型在心理咨询中面临的主要挑战，包括模型错觉、可解释性、偏见、隐私和临床有效性，并探讨了解决这些挑战的潜在方案，以改进心理健康护理。

Nov, 2023

GPT4 可以通过使用诊断推理提示模拟临床医生的常见临床推理过程，而不会损失诊断准确性，因此它可以为医生提供评估 LLMs 是否可信赖用于患者护理的手段。新的提示方法有潜力揭示 LLMs 的黑盒子，将它们推向在医学中安全有效使用的一步。

Aug, 2023

通过收集实际的认知行为疗法对话语料库，设计和实施了一个针对情绪倾向评估、结构化对话模式和积极探究能力的评估框架，评估了大型语言模型在心理辅导领域的潜力，特别是在与其他技术手段结合后。

Jul, 2024

使用大语言模型（LLMs）提高心理治疗的可访问性备受关注。本文提出了 ERD，通过提取与认知失调相关的部分和多智能体辩论推理步骤的辅助模块，提高了基于 LLM 的认知失调分类性能。在公共数据集上的实验结果表明，ERD 提高了多类 F1 分数以及二进制特异性分数，并通过提供多智能体辩论摘要给 LLMs，有效降低了具有高假阳性率的基准方法的偏见。

Mar, 2024

本文探讨了大型语言模型在心理咨询中的应用，通过专用提示信息来提高其在提供共情、相关和支持性回应方面的性能，研究结果表明我们的训练模型优于几个基线模型，凸显其作为可扩展且易于获取的心理健康支持工具的潜力。

Jun, 2024

使用大型语言模型（LLMs）自动化医疗任务，如临床记录、信息检索和决策支持。我们提出一种修改的 MedQA-USMLE 数据集，用于模拟真实的临床场景，并探索基于思维链（CoT）推理的主观响应生成，以获取正确的医疗问题答案。我们还利用回报训练机制和人类参与，开发了更好的对比学习策略，并通过增量推理的提示得出贪婪解码方法比其他策略更好的结论。

Mar, 2024