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

这项研究主要探讨了大型语言模型（LLMs）在与高功能自闭症青少年进行互动语言治疗中的效果。通过评估LLM在治疗环境中参与共情、适应性和情境适当性交互的能力，研究结果表明LLM在支持性治疗工具方面具有巨大潜力，显示出在情感共鸣和对话适应性方面的优势，但也指出实现人类治疗师所具备个性化和情感理解深度的挑战，强调了应用人工智能于治疗环境中的伦理考虑的重要性。该研究为利用LLM进行自闭症青少年心理咨询提供了有价值的洞察力，并强调了在心理健康护理中探索人工智能作用的未来需要持续发展以增强这些模型在治疗环境中的能力的必要性。

Nov, 2023

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

我们提出了一种名为BOLT的新型计算框架，用于研究大型语言模型（LLMs）在担任治疗师角色时的对话行为。我们开发了一种上下文学习方法，定量测量LLMs的行为，基于包括反映、提问、解决方案、正常化和心理教育在内的13种不同的心理治疗技术。我们通过比较LLM治疗师与高、低质量人类治疗师的行为，并研究如何调整其行为以更好地体现高质量治疗中观察到的行为，发现LLMs的行为更接近低质量治疗，需要进一步研究来确保质量治疗。

Jan, 2024

该研究比较了两个大型语言模型GPT-4和Chat-GPT在回应18个心理提示方面的表现，以评估它们在心理健康护理环境中的潜在适用性。结果显示GPT-4在生成临床相关和富有同理心的回应方面更有效，提供更好的支持和指导。这项研究为大型语言模型在心理健康护理领域的适用性提供了贡献，强调了在该领域持续研究和开发的重要性。需要进一步研究了解造成两个模型性能差异的具体因素，并探索其在不同人群和心理健康状况中的普适性。

May, 2024

我们开发了一个评估框架，以确定大型语言模型在自动化心理健康治疗方面是否是可行和道德的前进路径，并通过人工评估和心理学研究的自动质量评估指标，比较了点对点响应者提供的回应与一种最先进的大型语言模型提供的回应。我们展示了像GPT-4这样的大型语言模型使用隐式和显式线索推断患者人口统计学特征，然后展示了患者子群之间存在统计上显著差异：对于黑人发帖的回应一直比其他人口统计群体的同一回应具有较低的同理心（比对照组低2%-13%）。我们发现回应生成的方式显著影响回应的质量。最后，我们提出了大型语言模型在心理健康响应潜在部署中的安全指南。

May, 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

本研究探讨了大型语言模型（LLMs）在认知行为疗法（CBT）中应用的可能性，回应了心理健康专家的担忧。通过分析真实的CBT语料库并建立自动评估框架，研究发现LLMs在心理咨询领域具有很大潜力，尤其是在与其他技术相结合后，能够显著提升CBT的效果。

Jul, 2024

本文研究了大型语言模型（LLMs）在心理健康护理中的应用，评估其在人类参与者中的有效性及临床适用性。研究发现，尽管LLMs在扩展心理健康护理服务方面具有潜力，但多数研究方法不标准，并且缺乏对隐私、安全和公平性的深入探索，表明需要更严格的评估和伦理监督以确保其安全有效地整合入临床实践。

Aug, 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