arXiv cs.CY· Angela Chen, Siwei Jin, Catherine Bao, Canwen Wang, Yi-Chia Wang, Robert E. Kraut, Tongshuang Wu, Haiyi Zhu·· 12 小时前AI 评分31
基于LLM的心理治疗虚拟患者：AVP 用真实治疗转录实现行为自适应
Empirically Grounded Behavioral Adaptivity for LLM-Based Virtual Patients in Psychotherapy Training
AI 导读
研究者提出 Adaptive Virtual Patient（AVP），让基于 LLM 的虚拟患者根据受训者技能在戒备、适度开放到完全披露之间调整自我披露程度。
正文 · AI 翻译
摘要：模拟患者为共情回应和探索性提问等心理治疗微技能的培训提供了一种可扩展的方式，但现有系统要么遵循固定脚本，要么依赖大语言模型，而后者在长时间会话中会不可预测地漂移。我们提出自适应虚拟患者（AVP），它根据受训者的技能水平调整其自我披露行为，从戒备、适度开放到完全披露。AVP 基于一个结构方程模型，该模型拟合了近 2,000 小时的真实心理治疗转录文本，量化了治疗师的共情与探索如何随时间改变患者的开放程度。大语言模型根据动态模块每轮更新的披露水平来生成 AVP 的话语。在一项有 20 名临床医生和受训者参与、共 80 次会话（1,033 轮）的评估中，AVP 的披露程度会随治疗师的共情与探索而上升，而仅使用提示词的基线则保持不变；消融实验证实，基于实证动机的参数化优于其他方案，其中探索承载了大部分自适应信号。
| 评论： | EMNLP 2026 |
| 主题： | 计算机与社会（cs.CY）；人机交互（cs.HC） |
| 引用为： | arXiv:2606.10051 [cs.CY] |
| （或 arXiv:2606.10051v2 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.10051 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haiyi Zhu [查看邮箱]
[v1]
2026年6月8日星期一 18:27:22 UTC（723 KB）
[v2]
2026年10月22日星期四 14:40:54 UTC（1,557 KB）
来源：arXiv cs.CY · arxiv.org