論文の概要: Dynamic Strategy Chain: Dynamic Zero-Shot CoT for Long Mental Health Support Generation

• arxiv url: http://arxiv.org/abs/2308.10444v1
• Date: Mon, 21 Aug 2023 03:31:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 15:19:12.517094
• Title: Dynamic Strategy Chain: Dynamic Zero-Shot CoT for Long Mental Health Support Generation
• Title（参考訳）: ダイナミックストラテジーチェーン:長期メンタルヘルス支援のための動的ゼロショットCoT
• Authors: Qi Chen, Dexi Liu
• Abstract要約: ロングテキスト・ジェネレーション・フォー・メンタル・ヘルス・サポート(LTGM)は、より包括的で受け入れられる応答を通じて、精神的な健康支援を提供する。 CoTプロンプトとLLM(Large Language Models)の組み合わせが採用され、様々なNLPタスクでSOTAのパフォーマンスを得る。 ゼロショット動的戦略チェイン(DSC)プロンプト法を提案する。
• 参考スコア（独自算出の注目度）: 9.141582565352184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long counseling Text Generation for Mental health support (LTGM), an innovative and challenging task, aims to provide help-seekers with mental health support through a comprehensive and more acceptable response. The combination of chain-of-thought (CoT) prompting and Large Language Models (LLMs) is employed and get the SOTA performance on various NLP tasks, especially on text generation tasks. Zero-shot CoT prompting is one of the most common methods in CoT prompting. However, in the LTGM task, Zero-shot CoT prompting can not simulate a counselor or provide personalized strategies without effective mental health counseling strategy prompts. To tackle this challenge, we propose a zero-shot Dynamic Strategy Chain (DSC) prompting method. Firstly, we utilize GPT2 to learn the responses written by mental health counselors and dynamically generate mental health counseling strategies tailored to the help-seekers' needs. Secondly, the Zero-shot DSC prompting is constructed according to mental health counseling strategies and the help-seekers' post. Finally, the Zero-shot DSC prompting is employed to guide LLMs in generating more human-like responses for the help-seekers. Both automatic and manual evaluations demonstrate that Zero-shot DSC prompting can deliver more human-like responses than CoT prompting methods on LTGM tasks.
• Abstract（参考訳）: 長期カウンセリング・テキスト・ジェネレーション・フォー・メンタル・ヘルス・サポート(LTGM)は、革新的で挑戦的な課題であり、より包括的で受け入れられる応答を通じて、メンタル・ヘルス・サポートを提供する。 chain-of-thought (cot) プロンプトと large language model (llms) の組み合わせを採用し、様々な nlp タスク、特にテキスト生成タスクで sota のパフォーマンスを得る。 ゼロショットCoTプロンプトは、CoTプロンプトで最も一般的な方法の1つである。 しかし、LTGMタスクでは、ゼロショットCoTプロンプトは、効果的なメンタルヘルスカウンセリング戦略プロンプトなしでカウンセラーをシミュレートしたり、パーソナライズされた戦略を提供できない。 この課題に取り組むために,ゼロショット動的戦略チェイン(dsc)プロンプト手法を提案する。 まず,GPT2を用いてメンタルヘルスカウンセラーの回答を学習し,支援者のニーズに合わせたメンタルヘルスカウンセリング戦略を動的に生成する。 第2に、Zero-shot DSCプロンプトはメンタルヘルスカウンセリング戦略とヘルプシーカーの投稿に基づいて構築される。 最後に、Zero-shot DSCプロンプトを使用して、LLMをガイドし、ヘルプシーカーに対してより人間的な応答を生成する。 自動評価と手動評価の両方で、Zero-shot DSCプロンプトは、LTGMタスク上のCoTプロンプトメソッドよりも人間的な応答を提供する。

関連論文リスト

• SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-17T22:04:32Z)
• SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、アクセス可能で、スティグマフリーで、パーソナライズされ、リアルタイムなメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-06T17:11:29Z)
• What You Say = What You Want? Teaching Humans to Articulate Requirements for LLMs [26.398086645901742]
  本稿では,要求指向型プロンプトエンジニアリング(ROPE)について紹介する。 30名の初級者を対象にした研究では,要求重視の訓練が初級者の性能を2倍に向上させ,従来のプロンプトエンジニアリングトレーニングと即時最適化を著しく上回った。 我々の研究は、人間とLLMの協調的なプロンプトにおいて、より効果的なタスクデリゲーションの道を開く。
  論文  参考訳（メタデータ） (2024-09-13T12:34:14Z)
• WundtGPT: Shaping Large Language Models To Be An Empathetic, Proactive Psychologist [8.476124415001598]
  WundtGPTは共感的で活動的な精神保健大言語モデルである。 精神科医の診断を支援し、対面コミュニケーションに消極的な患者が自分の心理状態を理解するのを助けるように設計されている。
  論文  参考訳（メタデータ） (2024-06-16T16:06:38Z)
• Toward Optimal LLM Alignments Using Two-Player Games [86.39338084862324]
  本稿では,対戦相手と防御エージェントの反復的相互作用を含む2エージェントゲームのレンズによるアライメントについて検討する。 この反復的強化学習最適化がエージェントによって誘導されるゲームに対するナッシュ平衡に収束することを理論的に実証する。 安全シナリオにおける実験結果から、このような競争環境下での学習は、完全に訓練するエージェントだけでなく、敵エージェントと防御エージェントの両方に対する一般化能力の向上したポリシーにつながることが示されている。
  論文  参考訳（メタデータ） (2024-06-16T15:24:50Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• Towards Better Chain-of-Thought Prompting Strategies: A Survey [60.75420407216108]
  CoT(Chain-of-Thought)は,大規模言語モデル(LLM)の促進戦略として使用すると,その印象的な強度を示す。 近年,CoTの促進効果が注目されている。 この調査は、関連する研究全般の参考になるかもしれない。
  論文  参考訳（メタデータ） (2023-10-08T01:16:55Z)
• Pushing the Limits of ChatGPT on NLP Tasks [79.17291002710517]
  ChatGPTの成功にもかかわらず、ほとんどのNLPタスクのパフォーマンスは教師付きベースラインよりかなり低い。 そこで本研究では,原因を調べた結果,以下の要因が原因であることが判明した。 NLPタスクにおけるChatGPTの限界を押し上げるために,これらの問題に対処する汎用モジュールの集合を提案する。
  論文  参考訳（メタデータ） (2023-06-16T09:40:05Z)
• Towards Interpretable Mental Health Analysis with Large Language Models [27.776003210275608]
  大規模言語モデル(LLM)のメンタルヘルス分析と感情的推論能力は,5つのタスクにまたがる11のデータセット上で評価した。 本研究は, 精神保健分析のためのLCMについて, それぞれの意思決定に関する説明を提示するように指示することで, 解釈可能な精神保健分析を行う。 得られた説明の質を評価するために、厳密な人的評価を伝達し、163の人的評価による新しいデータセットを作成する。
  論文  参考訳（メタデータ） (2023-04-06T19:53:59Z)
• Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning [81.79431311952656]
  感情支援のための新しいシステムMultiESCを提案する。 戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。 ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
  論文  参考訳（メタデータ） (2022-10-09T12:23:47Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。