摘要
认知扭曲会加剧负面情绪，并导致心理健康障碍。认知行为疗法（CBT）是有效应对认知扭曲的方法，但由于专业治疗师的短缺，其大规模应用受到限制。尽管近期大语言模型（LLMs）被探索用于心理健康应用，现有方法仍面临领域特定性不足、过于迎合的回应，以及缺乏对认知扭曲的明确定义注释的问题。
本文提出了Cognivia，一种基于证据的人工智能治疗师，集成了自动识别认知扭曲和生成理性回应的功能。我们的框架基于权威的CBT文本，这些文本被广泛视为核心范式和标准参考。此外，它还结合了心理健康问答（Q&A）数据，并在行为科学专家的监督下采用多阶段提示和结构化生成策略。随后，我们在增强的CBT数据集上对轻量级的LLM进行了微调，以获得Cognivia。
此外，我们提出了第一个分层质量评估框架，用于评估LLM生成的理性回应，该框架是通过AI研究人员和行为科学专家的合作开发的。Cognivia在认知扭曲识别和理性回应生成方面的一致表现超越了基线方法，证明了其有效性。
我们的代码可在 GitHub 获取。
博主点评： Cognivia通过结合CBT的权威文本和丰富的Q&A数据，展示了在心理健康领域的创新应用。其多阶段提示和结构化生成策略，为心理治疗的自动化提供了新的思路，值得进一步研究与推广。尤其是分层质量评估框架，提升了生成内容的可靠性，这在AI与心理健康结合的探索中至关重要。