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

聊天软件等社交媒体的人际互动对个人心理状况具有暗示作用，而计算智能技术、自然语言处理等方面的持续发展为探讨导致用户在线上状况的原因与心理效应提供了一种全新的视角和工具。本文旨在进一步探讨其中两大关键方向：寻找因果关系与推理发生在用户意识中影响的各种心理角度，在自然语言处理的范畴内通过最新的话语分析技术拓展思路空间，以发掘心理计算学问题的更多潜在解决方案。

Jan, 2023

本文详细评估了ChatGPT在11个数据集上的心理健康分析和情感推理能力，分析了不同提示策略对其分析能力和可解释性的影响，并发现情感提示可以有效提高其性能，但需要正确的情感注入方式。

Apr, 2023

当代社交媒体领域中，用户表达负面情绪的数量惊人，其中一部分表现为强烈的自杀意向。因此，需要训练有素的心理咨询师进行有效的心理干预。然而，这些专业人员的培养通常是一项重要但耗时的任务，因此，调动非专业人员或志愿者在这方面的能力成为一个紧迫的问题。这篇论文介绍了一种基于大型语言模型构建的新模型，完全协助非专业人员在在线用户对话中提供心理干预。该框架使得以有意义的方式利用非专业心理咨询师的能力成为可能。通过对十名专业心理咨询师的综合研究，评估了该系统在五个关键维度上的效果。研究结果证实我们的系统能够相对准确地分析患者的问题并提供专业水平的策略建议，从而增强非专业人员的支持。这项研究为大型语言模型在心理学领域的应用提供了有力的验证，并为基于社区的心理健康支持奠定了基础。

Aug, 2023

使用大型语言模型（LLMs）综合多传感器数据生成临床有用的洞察力，首次展示使用LLMs进行二元抑郁症分类的准确性超过了现有技术，而且还强调了人工智能与医生领域专业知识和患者背景相结合的人工智能协同方法在临床决策支持方面的价值。

Nov, 2023

心理学中的复杂原理与广泛社会影响形成了一个重要的社会挑战。近年来，高度适应和可复用的人工智能模型在心理学领域崛起，强调了对这些大规模人工智能模型的性能验证的重要性，同时突出了这些模型在社交媒体分析、临床护理洞察、社区监测和心理学理论的细致探索等领域的前沿进展和实际应用。基于我们的综述，我们预示心理学领域将会加速发展，这源于这些大规模人工智能模型的推动。这些未来的综合型人工智能模型有望大幅降低劳动成本并缓解社会压力，然而，这种前进的势头在考虑到医疗仪器和相关应用所需的范式变革和升级时也面临一系列挑战。

Dec, 2023

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

本研究针对心理咨询领域面临的合格专业人员短缺和可扩展性问题，提出了一种创新的分层提示系统，利用大语言模型（如 GPT-4）来增强心理咨询服务。通过实验证明，该方法在响应质量上显著提高，展现了其在情感智能与上下文理解方面提升 AI 驱动心理咨询的潜力，为满足日益增长的心理健康支持需求提供了可扩展的解决方案。

Aug, 2024

本研究解决了大型语言模型在提供问题解决疗法(PST)时的提示技术效果不足的问题。通过对提示工程的评估，展示了如何提高模型在症状识别和个性化目标设定阶段的表现，尽管存在一定限制。该研究为心理治疗的AI应用开辟了新的可能性，尤其在心理健康专业人员短缺的背景下。

Aug, 2024