arXiv cs.AI· Jiayi Li, Bingsheng He, Zhaomin Wu·· 10 小时前AI 评分36
LongCounsel-8：多会话心理咨询对话中的长期抑郁追踪基准套件
LongCounsel-8: A Benchmark Suite for Longitudinal Depression Tracking from Multi-Session Counseling Dialogues
AI 导读
研究团队推出 LongCounsel-8 基准，用于跨咨询会话追踪抑郁变化，包含由三个 LLM 生成的 7,749 条五会话轨迹，每段对话按 PHQ-8 预设分数生成。该基准采用基于趋势的评估协议，考察会话间变化、筛查阈值跨越、轨迹类型和症状级变化。实验显示所测五种现有方法均无法优于“无变化”基线，阈值跨越检出率最高仅 40%。
正文 · AI 翻译
摘要：大语言模型（LLM）正越来越多地被用于评估心理咨询对话中的抑郁状况，而心理学证据表明，追踪跨会话的变化比任何单一评分都更重要。然而，现有的对话基准对每个会话单独评分，而每个会话的准确评分并不能保证方法能跟随会话之间的变化。我们提出 LongCounsel-8，一个用于追踪跨咨询会话抑郁状况的基准。其系统化流程从真实咨询案例中获取来访者画像，从真实纵向数据中获取抑郁评分，并从真实咨询对话中获取话轮长度和形式，由三个 LLM 生成 7,749 条五会话轨迹。每个会话都被生成为在 PHQ-8（一份标准的八症状抑郁问卷）上表达预设评分。验证表明标签自洽，且对话接近真实咨询。遵循治疗监测的临床研究，我们提出一种基于趋势的评估协议，反映现实世界的追踪需求：会话之间的变化、筛查阈值的跨越、轨迹类型以及症状层面的变化。大量实验表明，所测试的全部五种现有方法在追踪趋势方面均存在不足：没有一种方法对变化的估计优于无变化基线，最多只能检测到 40% 的阈值跨越，而加入更早的会话虽能降低变化误差，却会导致更多改善被漏检。
| 评论： | 25 页。数据集：此 https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.03507 [cs.LG] |
| （或 arXiv:2609.03507v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.03507 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiayi Li [查看邮箱]
[v1]
2026 年 9 月 3 日星期四 08:07:41 UTC（86 KB）
[v2]
2026 年 11 月 4 日星期三 14:45:21 UTC（62 KB）
来源：arXiv cs.AI · arxiv.org