論文の概要: PanicToCalm: A Proactive Counseling Agent for Panic Attacks

• arxiv url: http://arxiv.org/abs/2510.21143v2
• Date: Tue, 28 Oct 2025 01:21:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 13:20:32.870936
• Title: PanicToCalm: A Proactive Counseling Agent for Panic Attacks
• Title（参考訳）: PanicToCalm: パニックアタックのためのプロアクティブカウンセリングエージェント
• Authors: Jihyun Lee, Yejin Min, San Kim, Yejin Jeon, SungJun Yang, Hyounghun Kim, Gary Geunbae Lee,
• Abstract要約: PACEは,1対1の物語から構築された高密度のエピソードを含むデータセットである。 このデータを用いて、共感的および指示的サポートを提供するために設計されたカウンセリングモデルであるPACERを訓練する。
• 参考スコア（独自算出の注目度）: 34.041568228572466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Panic attacks are acute episodes of fear and distress, in which timely, appropriate intervention can significantly help individuals regain stability. However, suitable datasets for training such models remain scarce due to ethical and logistical issues. To address this, we introduce PACE, which is a dataset that includes high-distress episodes constructed from first-person narratives, and structured around the principles of Psychological First Aid (PFA). Using this data, we train PACER, a counseling model designed to provide both empathetic and directive support, which is optimized through supervised learning and simulated preference alignment. To assess its effectiveness, we propose PanicEval, a multi-dimensional framework covering general counseling quality and crisis-specific strategies. Experimental results show that PACER outperforms strong baselines in both counselor-side metrics and client affect improvement. Human evaluations further confirm its practical value, with PACER consistently preferred over general, CBT-based, and GPT-4-powered models in panic scenarios (Code is available at https://github.com/JihyunLee1/PanicToCalm ).
• Abstract（参考訳）: パニック・アタック(英: Panic attack)は、恐怖と苦悩の急激なエピソードであり、適度な介入は個人が安定を取り戻すのに大いに役立つ。 しかし、そのようなモデルを訓練するための適切なデータセットは、倫理的・論理的な問題により、依然として乏しいままである。 これを解決するために,初対人物語から構築された高次エピソードを含むデータセットであるPACEを導入し,心理学的第一支援(PFA)の原則を中心に構成した。 このデータを用いて、教師付き学習とシミュレートされた嗜好アライメントによって最適化された共感的および指示的サポートを提供するカウンセリングモデルであるPACERを訓練する。 パニックエスバル(PanicEval)は,カウンセリングの質と危機特異的戦略を多次元的に網羅したフレームワークである。 実験の結果,PACERはカウンセラー側とクライアント側の両方で高いベースラインを達成できた。 PACERは一般的な CBT ベースのモデルと GPT-4 ベースのモデルをパニックのシナリオで常に好んでいる(コードはhttps://github.com/JihyunLee1/PanicToCalm で入手できる)。

関連論文リスト

• Psychology-driven LLM Agents for Explainable Panic Prediction on Social Media during Sudden Disaster Events [25.69230239224621]
  本稿では,感情覚醒理論に基づくパニック予測のための心理駆動型生成エージェントフレームワーク(サイコエージェント)を提案する。 具体的には、まず人文大言語モデル(LLM)を用いて、きめ細かいオープンパニック感情データセット(COPE)を構築する。 解釈可能性を高めるために,我々は,個別の心理的連鎖を専用のプロンプトでシミュレートするLLMベースのロールプレイングエージェントを設計した。
  論文  参考訳（メタデータ） (2025-05-22T09:39:39Z)
• AutoCBT: An Autonomous Multi-agent Framework for Cognitive Behavioral Therapy in Psychological Counseling [57.054489290192535]
  伝統的な個人の心理カウンセリングは主にニッチであり、心理学的な問題を持つ個人によって選択されることが多い。 オンラインの自動カウンセリングは、恥の感情によって助けを求めることをためらう人たちに潜在的な解決策を提供する。
  論文  参考訳（メタデータ） (2025-01-16T09:57:12Z)
• Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
  我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。 我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。 Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-03T13:41:31Z)
• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• COCOA: CBT-based Conversational Counseling Agent using Memory Specialized in Cognitive Distortions and Dynamic Prompt [13.763448771196456]
  本研究では,認知行動療法(CBT)を応用した心理カウンセリングエージェントを開発した。 クライアントに関する高レベルな洞察を抽出しながら,カウンセリングに必要な情報を効率的に管理するメモリシステムを構築した。
  論文  参考訳（メタデータ） (2024-02-27T14:38:47Z)
• Probabilistic Categorical Adversarial Attack & Adversarial Training [45.458028977108256]
  敵対的な例の存在は、人々が安全クリティカルなタスクにディープニューラルネットワーク(DNN)を適用することに大きな懸念をもたらします。 分類データを用いて敵の例を生成する方法は重要な問題であるが、広範囲にわたる探索が欠如している。 本稿では,離散最適化問題を連続的な問題に変換する確率的カテゴリー逆攻撃(PCAA)を提案する。
  論文  参考訳（メタデータ） (2022-10-17T19:04:16Z)
• Guided Adversarial Attack for Evaluating and Enhancing Adversarial Defenses [59.58128343334556]
  我々は、より適切な勾配方向を見つけ、攻撃効果を高め、より効率的な対人訓練をもたらす標準損失に緩和項を導入する。 本稿では, クリーン画像の関数マッピングを用いて, 敵生成を誘導するGAMA ( Guided Adversarial Margin Attack) を提案する。 また,一段防衛における最先端性能を実現するためのGAT ( Guided Adversarial Training) を提案する。
  論文  参考訳（メタデータ） (2020-11-30T16:39:39Z)
• On Adaptive Attacks to Adversarial Example Defenses [123.32678153377915]
  本稿では、敵の事例に対して、防御に対する適応攻撃を行うために必要な方法論とアプローチを概説する。 これらの分析が、敵の事例に対して適切な防御攻撃を行うためのガイダンスとして役立てられることを期待している。
  論文  参考訳（メタデータ） (2020-02-19T18:50:29Z)

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。