論文の概要: DeepPsy-Agent: A Stage-Aware and Deep-Thinking Emotional Support Agent System

• arxiv url: http://arxiv.org/abs/2503.15876v1
• Date: Thu, 20 Mar 2025 05:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:34:29.631798
• Title: DeepPsy-Agent: A Stage-Aware and Deep-Thinking Emotional Support Agent System
• Title（参考訳）: DeepPsy-Agent:段階認識と深絞り感情支援システム
• Authors: Kai Chen, Zebing Sun,
• Abstract要約: DeepPsy-Agentは、心理学における3段階の援助理論とディープラーニング技術を組み合わせた革新的な心理学的支援システムである。 リアルな3万の心理的ホットラインの会話に基づいて、AIシミュレーション対話と専門家による再注釈戦略を用いて、高品質なマルチターン対話データセットを構築します。
• 参考スコア（独自算出の注目度）: 10.262822400879688
• License:
• Abstract: This paper introduces DeepPsy-Agent, an innovative psychological support system that combines the three-stage helping theory in psychology with deep learning techniques. The system consists of two core components: (1) a multi-stage response-capable dialogue model (\textit{deeppsy-chat}), which enhances reasoning capabilities through stage-awareness and deep-thinking analysis to generate high-quality responses; and (2) a real-time stage transition detection model that identifies contextual shifts to guide the dialogue towards more effective intervention stages. Based on 30,000 real psychological hotline conversations, we employ AI-simulated dialogues and expert re-annotation strategies to construct a high-quality multi-turn dialogue dataset. Experimental results demonstrate that DeepPsy-Agent outperforms general-purpose large language models (LLMs) in key metrics such as problem exposure completeness, cognitive restructuring success rate, and action adoption rate. Ablation studies further validate the effectiveness of stage-awareness and deep-thinking modules, showing that stage information contributes 42.3\% to performance, while the deep-thinking module increases root-cause identification by 58.3\% and reduces ineffective suggestions by 72.1\%. This system addresses critical challenges in AI-based psychological support through dynamic dialogue management and deep reasoning, advancing intelligent mental health services.
• Abstract（参考訳）: 本稿では,心理学における3段階の援助理論と深層学習技術を組み合わせた,革新的な心理的支援システムであるDeepPsy-Agentを紹介する。 本システムは,(1)多段階対応型対話モデル (\textit{deeppsy-chat}) と,(2) 対話をより効果的な介入段階へと導くためのコンテキストシフトを識別するリアルタイム遷移検出モデルからなる。 リアルな3万の心理的ホットラインの会話に基づいて、AIシミュレーション対話と専門家による再注釈戦略を用いて、高品質なマルチターン対話データセットを構築します。 実験結果から,DeepPsy-Agentは,問題露出完全性,認知再構成成功率,行動導入率などの重要な指標において,汎用大規模言語モデル(LLM)よりも優れていた。 アブレーション研究は、ステージ認識と深い思考モジュールの有効性をさらに検証し、ステージ情報はパフォーマンスに42.3\%貢献する一方で、深い思考モジュールは根本原因同定を58.3\%増加させ、有効でない提案を72.1\%減少させることを示した。 このシステムは、動的対話管理と深い推論、インテリジェントなメンタルヘルスサービスを通じて、AIベースの心理的サポートにおいて重要な課題に対処する。

関連論文リスト

• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• PsycoLLM: Enhancing LLM for Psychological Understanding and Evaluation [32.40846713004979]
  PsycoLLMは、提案された高品質な心理的データセットに基づいて訓練されている。 このプロセスは、オンラインプラットフォームから抽出された現実世界の心理的背景によって強化される。 中国における信頼性心理学的カウンセリング試験に基づく総合心理学的ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-07-08T08:25:56Z)
• Data Augmentation of Multi-turn Psychological Dialogue via Knowledge-driven Progressive Thought Prompting [46.919537239016734]
  大規模言語モデル(LLM)はマルチターン対話の実装を単純化した。 心理的対話のような低リソース領域で満足なパフォーマンスを実現することは依然として困難です。 心理学的対話を生成するための LLM 指導のための知識駆動型進歩的思考促進手法を提案する。
  論文  参考訳（メタデータ） (2024-06-24T12:02:56Z)
• Empathy Through Multimodality in Conversational Interfaces [1.360649555639909]
  会話型健康エージェント(CHA)は、感情的なインテリジェンスを組み込むためにテキスト分析を超越するニュアンスなサポートを提供することで、医療を再定義している。 本稿では、豊かなマルチモーダル対話のためのLCMベースのCHAについて紹介する。 マルチモーダルな手がかりを解析することにより、ユーザの感情状態に順応的に解釈し、応答し、文脈的に認識され、共感的に反響する音声応答を提供する。
  論文  参考訳（メタデータ） (2024-05-08T02:48:29Z)
• The Future of Cognitive Strategy-enhanced Persuasive Dialogue Agents: New Perspectives and Trends [23.68567141617251]
  我々は、いくつかの基本的な認知心理学理論を提示し、3つの典型的な認知戦略の形式化された定義を与える。 本稿では,CogAgentの基盤となる形式的定義を取り入れた新しいシステムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-02-07T07:28:34Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Enhancing Large Language Model Induced Task-Oriented Dialogue Systems Through Look-Forward Motivated Goals [76.69419538047813]
  ProToDアプローチは、将来の対話行動を予測し、ToDシステムを強化するためにゴール指向の報酬シグナルを組み込む。 本稿では,目標駆動型対話シミュレーションに基づくToDシステム評価手法を提案する。 また,MultiWoZ 2.1データセットを用いた実験により,データの10%しか利用せず,優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-09-16T10:56:00Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。