論文の概要: Conversational Topic Recommendation in Counseling and Psychotherapy with Decision Transformer and Large Language Models

• arxiv url: http://arxiv.org/abs/2405.05060v1
• Date: Wed, 8 May 2024 13:55:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 14:24:42.468432
• Title: Conversational Topic Recommendation in Counseling and Psychotherapy with Decision Transformer and Large Language Models
• Title（参考訳）: 意思決定変換器と大規模言語モデルを用いたコージェスリングと心理療法における話題推薦
• Authors: Aylin Gunal, Baihan Lin, Djallel Bouneffouf,
• Abstract要約: 我々は、会話のカウンセリングにおいてトピックレコメンデーションに決定トランスフォーマーアーキテクチャを利用する。 アーキテクチャはオフラインの強化学習に利用される。 本稿では,大言語モデルを微調整するための合成ラベルとして,我々のモデル出力を利用する新しいシステムを提案する。
• 参考スコア（独自算出の注目度）: 17.236038165057817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the increasing demand for mental health assistance, artificial intelligence (AI), particularly large language models (LLMs), may be valuable for integration into automated clinical support systems. In this work, we leverage a decision transformer architecture for topic recommendation in counseling conversations between patients and mental health professionals. The architecture is utilized for offline reinforcement learning, and we extract states (dialogue turn embeddings), actions (conversation topics), and rewards (scores measuring the alignment between patient and therapist) from previous turns within a conversation to train a decision transformer model. We demonstrate an improvement over baseline reinforcement learning methods, and propose a novel system of utilizing our model's output as synthetic labels for fine-tuning a large language model for the same task. Although our implementation based on LLaMA-2 7B has mixed results, future work can undoubtedly build on the design.
• Abstract（参考訳）: メンタルヘルス支援の需要が高まる中、人工知能(AI)、特に大きな言語モデル(LLM)は、自動化された臨床支援システムへの統合に有用である。 本研究では,患者とメンタルヘルス専門家の会話をカウンセリングするためのトピックレコメンデーションとして,意思決定トランスフォーマーアーキテクチャを活用する。 アーキテクチャはオフラインの強化学習に利用され、会話の中で前のターンから状態(対話ターン埋め込み)、行動(会話トピック)、報酬(患者とセラピストのアライメントを測定するスコア)を抽出し、意思決定トランスフォーマーモデルを訓練する。 ベースライン強化学習法の改良を実証し、我々のモデル出力を合成ラベルとして活用し、同じタスクで大規模言語モデルを微調整するシステムを提案する。 LLaMA-2 7Bをベースとした実装には様々な結果が得られたが、今後の作業は間違いなく設計に基づいて構築される。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• Enhancing AI-Driven Psychological Consultation: Layered Prompts with Large Language Models [44.99833362998488]
  我々は, GPT-4 のような大規模言語モデル (LLM) を用いて, 心理的コンサルテーションサービスの強化について検討する。 提案手法では,ユーザ入力に動的に適応する新しい階層型プロンプトシステムを提案する。 また,LLMの感情的インテリジェンスを高めるために,共感とシナリオに基づくプロンプトを開発する。
  論文  参考訳（メタデータ） (2024-08-29T05:47:14Z)
• Toward Large Language Models as a Therapeutic Tool: Comparing Prompting Techniques to Improve GPT-Delivered Problem-Solving Therapy [6.952909762512736]
  そこで本研究では,大規模言語モデル (LLM) を指導するためのプロンプトエンジニアリングの効果について検討する。 本稿では,プロンプトエンジニアリング手法を適切に利用することにより,プロトタイズされた治療を提供するモデルの能力を向上できることを実証する。
  論文  参考訳（メタデータ） (2024-08-27T17:25:16Z)
• Optimizing Psychological Counseling with Instruction-Tuned Large Language Models [9.19192059750618]
  本稿では,心理カウンセリングにおける大規模言語モデル(LLM)の適用について検討する。 本稿では,共感的,関連性,支援的な応答を提供することで,特定のプロンプトを持つLLMを指導し,その性能を高める方法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T15:13:07Z)
• IMTLab: An Open-Source Platform for Building, Evaluating, and Diagnosing Interactive Machine Translation Systems [94.39110258587887]
  IMTLabは、オープンソースのエンドツーエンド対話型機械翻訳(IMT)システムプラットフォームである。 IMTLabは、対話的な翻訳プロセス全体を、ヒューマン・イン・ザ・ループ設定によるタスク指向の対話として扱う。
  論文  参考訳（メタデータ） (2023-10-17T11:29:04Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• BatGPT: A Bidirectional Autoregessive Talker from Generative Pre-trained Transformer [77.28871523946418]
  BatGPTは武漢大学と上海江東大学が共同で設計・訓練した大規模言語モデルである。 テキストプロンプト、画像、オーディオなど、さまざまなタイプの入力に応答して、非常に自然で、流動的なテキストを生成することができる。
  論文  参考訳（メタデータ） (2023-07-01T15:10:01Z)
• Response-act Guided Reinforced Dialogue Generation for Mental Health Counseling [25.524804770124145]
  本稿では、メンタルヘルスカウンセリング会話のための対話行動誘導応答生成器READERについて述べる。 READERは変換器上に構築されており、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。 ベンチマークカウンセリング会話データセットであるHOPE上でREADERを評価する。
  論文  参考訳（メタデータ） (2023-01-30T08:53:35Z)
• Self-Supervised Knowledge Assimilation for Expert-Layman Text Style Transfer [63.72621204057025]
  エキスパート・レイマン・テキスト・スタイル・トランスファー技術は、科学コミュニティと一般大衆とのコミュニケーションを改善する可能性がある。 専門家が生み出す高品質な情報は、しばしば難しいジャーゴンの平民が理解するのに苦労している。 これは医療分野において特に顕著な問題であり、レイマンはしばしばオンラインの医療テキストに混同される。
  論文  参考訳（メタデータ） (2021-10-06T17:57:22Z)
• An Evaluation of Generative Pre-Training Model-based Therapy Chatbot for Caregivers [5.2116528363639985]
  OpenAI GPTモデルのような生成ベースのアプローチは、治療コンテキストにおけるよりダイナミックな会話を可能にする。 我々は, GPT-2モデルを用いてチャットボットを構築し, 認知症患者の家族介護者と問題解決療法を行うセラピストの間で306回の治療セッションの転写を微調整した。 その結果、微調整されたモデルでは、事前訓練されたモデルよりも単語以外の出力が生成されることがわかった。
  論文  参考訳（メタデータ） (2021-07-28T01:01:08Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)

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。