CPsyCoun: A Report-based Multi-turn Dialogue Reconstruction and Evaluation Framework for Chinese Psychological Counseling

目前，利用大型语言模型（LLMs）来协助心理咨询是一个重要但具有挑战性的任务。目前已经尝试通过改进共情对话或在LLMs治疗中充当有效的助手来改善这一情况。然而，现有的数据集缺乏咨询知识，导致LLMs缺乏专业咨询能力。此外，在心理咨询过程中如何自动评估多轮对话仍然是一个研究不足的领域。为了填补这一空白，我们提出了CPsyCoun，这是一个基于报告的多轮对话重构和评估框架，用于中文心理咨询。为了充分利用心理咨询报告，我们设计了一个两阶段方法来构建高质量的对话，并开发了一个综合评估基准，用于有效自动评估多轮心理咨询。竞争性的实验结果证明了我们提出的框架在心理咨询中的有效性。我们在https://github.com/CAS-SIAT-XinHai/CPsyCoun上开源数据集和模型，供未来研究使用。

提出一个解决语言模型在心理咨询中缺乏专业知识和评估方法的框架

提出CPsyCoun框架，利用心理咨询报告构建高质量的多轮对话，并开发了全面的评估基准

实验结果表明CPsyCoun框架在心理咨询中具有很好的效果。作者开源了数据集和模型，为未来的研究提供了基础。

在心理咨询中使用语言模型的相关研究有：Improving Empathetic Conversations with Dialog Agents (ACL 2020)、Towards an empathic conversational agent for the elderly: a field study (IJHCS 2019)等。