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

我们提出了一种基于大型语言模型和智能设备的对话式 AI 治疗师平台 (CaiTI)，该平台可以通过自然和心理治疗对话来筛查日常功能，提供个性化对话流程，并提供认知行为疗法和动机性面谈等对话式心理治疗干预。通过与心理治疗师合作进行实验证明，CaiTI 能够与用户自然对话，准确理解和解释用户的回应，并适当有效地提供心理治疗干预，展示了 CaiTI 大型语言模型在心理治疗诊断和治疗中的潜力，以及日常功能筛查和预防性心理治疗干预系统的改进。

Mar, 2024

通过离线强化学习，我们利用决策变压器架构在患者和心理健康专业人员之间的咨询对话中进行主题推荐，展示了优于基准强化学习方法的改进，并提出了一种新的系统来利用我们模型的输出作为相同任务的大型语言模型的合成标签进行微调。

May, 2024