Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory

最近，随着越来越多的人表达对心理健康的关注，心理咨询的需求显著增加。这种激增加速了通过使用大型语言模型（LLMs）作为辅导员来改善辅导的可访问性的努力。为了确保客户的隐私，训练开源LLMs面临一个关键挑战：缺乏现实的咨询数据集。为了解决这个问题，我们介绍了Cactus，这是一个多轮对话数据集，使用认知行为疗法（CBT）的目标导向和结构化方法模拟现实生活中的互动。我们通过设计具有不同、具体人物的客户，并让辅导员系统地应用CBT技术进行交互，创建了一个多样化和逼真的数据集。为了评估我们数据的质量，我们对已有的用于评估真实咨询会话的心理标准进行基准测试，确保与专家评估的一致性。实验结果表明，使用Cactus训练的模型Camel在辅导技能方面优于其他模型，突显了其作为辅导代理的有效性和潜力。我们公开提供我们的数据、模型和代码。

解决问题：如何使用大型语言模型作为心理辅导员，但由于缺乏真实的心理咨询数据集而面临隐私问题。

关键思路：通过设计具有不同个性的客户，并让心理辅导员系统性地应用认知行为疗法技术，创建一个多轮对话数据集，以模拟真实的心理咨询交互。

其他亮点：使用Cactus数据集训练的Camel模型在心理辅导方面表现出色，并且已经公开了数据、模型和代码。

相关研究：最近的相关研究包括使用大型语言模型进行心理辅导和情感支持的研究，如《使用Transformer模型进行在线心理辅导》和《情感支持的自动化：从规则到深度学习》。