本文是LLM系列文章,针对《CBT-LLM: A Chinese Large Language Model for Cognitive Behavioral Therapy-based Mental Health Question Answering》的翻译。
摘要
人工智能的最新进展凸显了语言模型在心理健康支持方面的潜力。虽然根据心理健康服务平台的数据训练的模型已经取得了初步成功,但在数据稀缺、质量和确保心理技术的坚实基础等领域仍然存在挑战。为了应对这些挑战,本研究引入了一种新的方法,通过大型语言模型来提高心理支持的准确性和有效性。具体而言,我们设计了一个源自认知行为疗法(CBT)原理的特定提示,并生成了CBT QA数据集,专门用于基于CBT结构化干预策略的中国心理健康问答。与以前的方法不同,我们的数据集强调专业和结构化的响应。利用这个数据集,我们对大型语言模型进行了微调,产生了CBT-LLM,这是一种专门为认知行为治疗技术设计的大型语言模型。实证评估表明,CBT-LLM在心理健康支持任务中擅长产生结构化、专业化和高度相关的反应,展示了其实用性和质量。该模型可在“Hugging Face”上获得:https://huggingface.co/Hongbin37/CBT-LLM。