本研究旨在通过提出一个新的情感重写任务和使用一种深度加强学习代理来提高在线心理健康支持平台上的情感表达，该代理利用了从GPT-2改编的transformer语言模型来完成生成具有情感内容的备选句子和在适当位置添加这些句子的任务，并通过一系列自动化和人工评价证明了其成功地生成了更具有共情性、特定性和多样性的响应，从而为促进网络平台上的共情会话提供了直接的启示。

Jan, 2021

本研究提出了一种基于 READER 的对话操作引导加强型对话生成模型，用于基于虚拟心理健康助手的辅助心理咨询对话，该模型在对话-操作引导下能够生成更具语义丰富度的反应，经过了对多种评估方法的考察，表现优异。

Jan, 2023

通过系统性且批判性的回顾现有的心理健康对话系统，在上下文知识、数据集和临床决策支持方面提供全面、安全、可解释和值得信赖的虚拟心理健康助手（VMHAs）。

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

通过PRISMA框架综合文献综述，研究了534篇计算机科学和医学领域发表的关于建立与心理健康相关的对话代理的论文，发现了136篇重要论文，重点关注对话建模和实验设计技术的多样特征，建议以透明度、伦理和文化异质性为基础，实现心理健康对话代理的跨学科发展。

Oct, 2023

近年来，大型语言模型（LLM）在数字精神健康工具设计、开发和实施领域展示了潜在的机遇和风险，我们提出了四个应用领域，包括对需要关怀的个体的求助行为、社区关怀提供、机构和医疗关怀提供，以及更大规模的社会关怀生态系统，并思考了LLM技术如何提升心理健康。本文的发现有助于未来研究、倡导和监管工作，以创建更负责任、用户友好、公平和安全的基于LLM的精神健康治疗和干预工具。

Nov, 2023

为了解决现有在线心理健康支持中仅关注咨询师策略而忽略客户表达的问题，本文提出了 PsyChat，这是一个以客户为中心的对话系统，通过在线聊天提供心理支持。该系统具有五个模块，分别是客户行为识别、咨询师策略选择、输入整合、经过专门微调以生成回复的回复生成器和回复选择。自动和人工评估验证了该对话系统在实际心理健康支持中的有效性和实用性。此外，我们还使用该对话系统模拟了真实的客户与虚拟咨询师的交互场景，证明了系统能够预测客户行为、选择适当的咨询师策略，并生成准确和合适的回应。

Dec, 2023

通过对来自不同国家背景的21位个体进行访谈，我们调查了使用LLM聊天机器人进行心理健康支持的人们的亲身经历，并对用户如何为他们的聊天机器人创造独特的支持角色、填补日常护理的空白以及在寻求聊天机器人支持时如何应对相关的文化限制进行了分析。我们将分析基于心理治疗文献中有效支持的概念，并介绍了治疗性对齐的概念，即将人工智能与心理健康背景下的治疗价值对齐。我们的研究为设计师如何以道德且有效的方式应对LLM聊天机器人和其他人工智能心理健康支持工具在心理健康护理中的使用提供了建议。

Jan, 2024

我们提出了一个新颖的框架来评估大型语言模型（LLMs）的细致对话能力，将其应用于心理健康领域，并发现GPT4 Turbo在特定主题上表现出与经过验证的治疗师高度相关的成绩，从而帮助研究人员开发更好的LLMs以更积极地支持人们的生活。

Mar, 2024

本研究解决了当前心理咨询中的人力注释效率低下、成本高和隐私保护等问题。提出了一种创新框架，通过角色扮演的方式使用两个大型语言模型（LLMs）来模拟辅导员与客户的对话。研究表明，该框架能够有效模拟心理咨询对话，并与专业辅导员的表现进行了深入对比分析，展现出其在心理健康领域的潜在影响。

Aug, 2024