arXiv cs.CL· Viet Cuong Nguyen, Nhi Yen Nguyen, Kristin A. Candan, Mary Conlon, Vanessa Rumie, Kristen Risola, Michael L. Birnbaum, Munmun De Choudhury·· 3 天前AI 评分22
CALM-IT：用对话动态提升合成动机式访谈对话质量
CALM-IT: Enhancing Synthetic Motivational Interviewing Dialogue Quality with Conversational Dynamics
AI 导读
CALM-IT 是一个双智能体框架，通过追踪来访者状态与治疗师侧推断来指导策略选择和话语生成，在 8,232 段对话、686 个场景上取得四项 MITI 4.2 全局评分最高均值，且短对话与长对话之间的质量变化最小。其模拟来访者转向接受率达 64.3%，最强的转向之后出现更多改变性谈话、更少维持性谈话；消融实验显示移除对话动态组件会降低对话质量。
正文 · AI 翻译
摘要：对话动态描述的是融洽关系、情绪和目标在对话过程中如何变化。这些变化在治疗性对话中很重要，因为它们会影响治疗师何时以及如何介入。然而，基于大语言模型（LLM）的合成治疗性对话生成器很少追踪这些属性如何共同演变，这可能限制较长对话的质量。我们提出 CALM-IT，一个双智能体框架，它追踪来访者状态和治疗师侧的推断，以指导策略选择和话语生成。我们使用自动动机式访谈治疗完整性（MITI）评分、对话指标以及跨对话长度的比较来评估合成动机式访谈（MI）对话，并由四位持证心理学家提供的评分支持关键发现。在涵盖 686 个有依据场景、四种框架和三种目标长度的 8,232 段对话中，CALM-IT 在所有四项 MITI 4.2 全局评分上取得最高平均分，并在短篇与长篇条件下表现出最小的总体质量变化。CALM-IT 还取得最高的模拟来访者转向接受率（64.3\%），其最强的转向之后伴随改变谈话增加和维持谈话减少。消融实验表明，移除对话动态组件会降低对话质量。总之，这些结果表明，显式建模对话动态可以提高长篇合成 MI 对话的质量和一致性。
| 评论： | 55 页 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2601.10085 [cs.CL] |
| （或 arXiv:2601.10085v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.10085 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Viet Cuong Nguyen [查看电子邮件]
[v1]
2026 年 1 月 15 日星期四 05:21:54 UTC（1,923 KB）
[v2]
2026 年 5 月 27 日星期三 05:06:18 UTC（3,155 KB）
[v3]
2026 年 10 月 13 日星期二 20:27:41 UTC（3,157 KB）
来源：arXiv cs.CL · arxiv.org