Contextual AI Journaling: Integrating LLM and Time Series Behavioral Sensing Technology to Promote Self-Reflection and Well-being using the MindScape App

MindScape旨在研究将时间序列行为模式（例如对话参与度、睡眠、位置）与大型语言模型（LLM）相结合，创建一种新形式的情境AI日志，促进自我反思和幸福感。我们认为将行为传感与LLM相结合很可能会引领AI的新领域。在这篇“晚报”论文中，我们讨论了MindScape情境日志App的设计，该App使用LLM和行为传感器生成情境化和个性化的日志提示，旨在鼓励自我反思和情感发展。我们还讨论了基于初步用户研究的MindScape大学生研究，以及我们即将进行的研究，以评估情境AI日志在促进大学校园幸福感方面的有效性。MindScape代表了一种将行为智能嵌入AI的新应用类别。

本篇论文旨在研究将时间序列行为模式与大型语言模型相结合，创建一种新形式的上下文人工智能日记应用，促进自我反思和健康。

论文的关键思路是将行为感知与大型语言模型相结合，生成个性化的日记提示，以促进自我反思和情感发展。

论文介绍了MindScape上下文日记应用程序的设计，使用LLMs和行为感知生成个性化的日记提示，以鼓励自我反思和情感发展。论文还介绍了基于初步用户研究的大学生研究，并计划进行进一步的研究以评估上下文人工智能日记在促进大学校园健康方面的有效性。

最近的相关研究包括人工智能和情感健康方面的研究，如“基于深度学习的情感分析”和“情感健康检测：一种基于多模态数据的方法”。