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项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充当LLMs在治疗中的有效助手来改善这一情况。然而，现有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未研究的领域。为了弥补这一差距，我们提出了CPsyCoun，这是一个基于报告的中文心理咨询多轮对话重构和评估框架。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，同时开发了一个全面的评估基准，用于有效地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开源数据集和模型，以供未来研究使用。

论文旨在解决使用大型语言模型（LLMs）来辅助心理咨询的问题，包括缺乏咨询知识和如何自动评估多轮心理咨询对话。

提出了一个报告为基础的多轮对话重构和评估框架CPsyCoun，通过两个阶段的方法构建高质量的对话，并开发了全面的评估基准来有效地自动评估多轮心理咨询。

实验结果表明，该框架在心理咨询中具有有效性。作者开源了数据集和模型，供未来研究使用。

最近的相关研究包括“使用深度学习技术的心理咨询对话生成”和“基于大数据的心理咨询多轮对话分析”。