利用深度学习和分布式表示法，基于认知行为疗法（CBT）原理定义心理健康本体论，注释大型语料库，对其进行理解，结果表明深度学习与词嵌入或句子嵌入相结合的性能显著优于非深度学习模型，此理解模块将成为提供治疗的统计式对话系统的重要组成部分。

Sep, 2018

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

通过大型语言模型，本研究设计了基于认知行为疗法的特定提示，生成了针对中国心理健康问答的 CBT QA 数据集，并利用该数据集对大型语言模型进行微调，从而产生了专为认知行为疗法技术设计的大规模语言模型 CBT-LLM。经验评估表明 CBT-LLM 在心理健康支持任务中能够产生结构化、专业和高度相关的回应，展示了其实用性和质量。

Mar, 2024

在大型语言模型的时代，我们研究认知畸变检测的任务并提出【思维诊断】（Diagnosis of Thought）促进，通过三个阶段：主观性评估，对事实和思维进行分离；对支持和反对思维的推理过程进行对比推理；以及对认知模式进行总结的模式分析，在辅助专业人士方面取得显著的改进，同时生成获得人工专家认可的高质量诊断依据。

Oct, 2023

通过比较基于 LLMs 生成的回应与非基于 LLMs 生成的回应的系统，研究了生成回应对主观评价（如情绪变化、认知变化和对话质量）的影响。结果表明，使用 GPT-4 时，情绪变化、共情和其他对话品质显著改善，说明 GPT-4 具有较高的心理咨询能力。然而，研究还指出，即使使用了人类心理咨询数据集训练的对话模型，与基于情景的对话相比，并不能产生更好的结果。在使用了规则、情景或示例回应的系统中，可以通过人工专业人士提前使用 LLMs 生成示例回应或回应模板的方式呈现基于 LLMs 生成的回应，并且直接与用户在现实的心理健康服务中进行交互，这可能引发一些伦理问题。

Jan, 2024

本研究旨在在中国社交媒体平台上评估大型语言模型对自杀风险和认知失真的识别能力，发现大型语言模型相较传统的监督学习方法存在较大的性能差距，尤其在微小类别的理解上，GPT-4 在多种情况下表现优异，而 GPT-3.5 经过微调后在自杀风险分类中显示出显著提升，表明大型语言模型在心理学领域具有前瞻性和变革性的应用潜力。

Sep, 2023

本文提出了一种新颖的方法，将大型语言模型（LLM）与可解释的人工智能（XAI）和类似 ChatGPT 的对话代理相结合，以解决对社交媒体上表达的抑郁症状进行及时检测的挑战。通过将 BERT 的 Twitter 特定变体 BERTweet 集成到 BERT-XDD 模型中，实现了解释能力，并通过掩码注意力提供分类和解释。利用 ChatGPT 将技术解释转化为可读性强的评论，进一步提高了可解释性。我们的方法为可解释性抑郁症检测提供了一种有效且模块化的方法，有助于发展具有社会责任感的数字平台，在合格的保健专业人员指导下促进对心理健康挑战的早期干预和支持。

Jan, 2024

通过深度学习模型检测社交媒体用户的心理状况，可以更好地理解疾病并提供早期发现的手段。基于分层注意力网络的二元分类任务预测用户是否患有九种不同疾病中的一种，在四种疾病中表现出比先前设定的基准更高的性能，并通过检查模型的单词级注意权重分析分类相关的短语的限制。

Mar, 2020

使用非语言线索检测抑郁症，引入虚拟助手与认知行为疗法基于的回应，取得了显著成果。

Jun, 2024

我们提出了一种新颖的方法 —— 共情链（CoE）提示法，利用来自心理治疗学的见解来引导大型语言模型（LLM）对人类的情感状态进行推理。通过采用认知行为治疗（CBT）、辩证行为治疗（DBT）、人本主义治疗（PCT）和现实疗法（RT）等不同心理治疗方法，我们发现 LLM 在没有推理的情况下主要产生探索性的回应，而当 LLM 使用共情链推理时，我们发现其生成了更全面的同理回应，与每种心理治疗模型的不同推理模式相一致。CBT 基于的 CoE 方法生成了最平衡的同理回应，该研究强调了理解情感背景及其如何影响人类和人工智能沟通的重要性。我们的研究有助于了解将心理治疗模型纳入 LLM 的方式，促进特定环境、更安全和富有同理心的人工智能的发展。

Nov, 2023