CBT-LLM: A Chinese Large Language Model for Cognitive Behavioral Therapy-based Mental Health Question Answering

最近人工智能的进展突显了语言模型在心理健康支持方面的潜力。虽然在从心理健康服务平台的数据中训练的模型已经取得了初步成功，但在数据稀缺、数据质量和确保心理技术基础等领域仍存在挑战。为了解决这些挑战，本研究介绍了一种通过大型语言模型增强心理支持准确性和效果的新方法。具体而言，我们设计了一种基于认知行为疗法（CBT）原则的特定提示，并生成了CBT QA数据集，专门用于基于CBT结构化干预策略的中文心理健康问答。与以往方法不同的是，我们的数据集强调专业和结构化的回答。利用这个数据集，我们对大型语言模型进行了微调，创造了CBT-LLM，这是专门为认知行为疗法技术设计的大规模语言模型。实证评估表明，CBT-LLM在生成心理健康支持任务中的结构化、专业和高度相关的回答方面表现出色，展示了它的实用性和质量。该模型可在Hugging Face上找到：https://huggingface.co/Hongbin37/CBT-LLM。

本论文旨在通过大型语言模型来提高心理健康支持的精度和效果，解决心理健康支持中存在的数据稀缺、质量和心理技术基础不足的问题。

论文的关键思路是设计了一个特定的提示，基于认知行为疗法（CBT）结构化干预策略生成了CBT QA数据集，并利用该数据集对大型语言模型进行微调，从而产生了专门针对认知行为疗法技术的大规模语言模型CBT-LLM。

该模型在心理健康支持任务中表现出色，能够生成结构化、专业和高度相关的响应。该模型已在Hugging Face上开源。

最近在这个领域中，一些研究利用心理健康服务平台的数据进行训练，取得了初步的成功，但仍存在数据稀缺、质量和心理技术基础不足等挑战。