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

目前，使用大型语言模型（LLMs）来协助心理咨询是一个重要但具有挑战性的任务。目前已经尝试改进具有移情能力的对话或使用LLMs作为治疗中的有效助手。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是一个研究不足的领域。为了弥补这一差距，我们提出了CPsyCoun，这是一个用于中文心理咨询的基于报告的多轮对话重建和评估框架。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来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心理咨询框架的有效性。我们在https://github.com/CAS-SIAT-XinHai/CPsyCoun上开源数据集和模型，以供未来研究使用。

该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等方面。

该论文提出了CPsyCoun框架，使用两阶段方法构建高质量的对话，并开发了综合评估基准来有效自动评估多轮心理咨询。该框架充分利用心理咨询报告，旨在提高LLMs在心理咨询中的专业咨询能力。

该论文的亮点包括开发了一个综合的评估基准，提高了LLMs在心理咨询中的专业咨询能力。实验结果表明该框架的有效性。作者还开源了数据集和模型，为未来的研究提供了便利。

近期的相关研究包括使用LLMs改善共情对话或在治疗中作为有效的助手。例如，一篇名为“使用深度学习模型进行情感支持的可解释性和用户满意度”的论文。