論文の概要: MindChat: A Privacy-preserving Large Language Model for Mental Health Support

• arxiv url: http://arxiv.org/abs/2601.01993v1
• Date: Mon, 05 Jan 2026 10:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.026292
• Title: MindChat: A Privacy-preserving Large Language Model for Mental Health Support
• Title（参考訳）: MindChat:メンタルヘルス支援のためのプライバシー保護型大規模言語モデル
• Authors: Dong Xue, Jicheng Tu, Ming Wang, Xin Yan, Fangzhou Liu, Jie Hu,
• Abstract要約: 我々は、メンタルヘルス支援のためのプライバシー保護型大規模言語モデルであるMindChatを紹介する。 我々はまた、マルチエージェントロールプレイングフレームワークを用いて構築された合成マルチターンカウンセリングデータセットであるMindCorpusを提示する。
• 参考スコア（独自算出の注目度）: 10.332226758787277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have shown promise for mental health support, yet training such models is constrained by the scarcity and sensitivity of real counseling dialogues. In this article, we present MindChat, a privacy-preserving LLM for mental health support, together with MindCorpus, a synthetic multi-turn counseling dataset constructed via a multi-agent role-playing framework. To synthesize high-quality counseling data, the developed dialogue-construction framework employs a dual closed-loop feedback design to integrate psychological expertise and counseling techniques through role-playing: (i) turn-level critique-and-revision to improve coherence and counseling appropriateness within a session, and (ii) session-level strategy refinement to progressively enrich counselor behaviors across sessions. To mitigate privacy risks under decentralized data ownership, we fine-tune the base model using federated learning with parameter-efficient LoRA adapters and incorporate differentially private optimization to reduce membership and memorization risks. Experiments on synthetic-data quality assessment and counseling capability evaluation show that MindCorpus improves training effectiveness and that MindChat is competitive with existing general and counseling-oriented LLM baselines under both automatic LLM-judge and human evaluation protocols, while exhibiting reduced privacy leakage under membership inference attacks.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、精神的な健康支援を約束するが、そのようなモデルの訓練は、実際のカウンセリング対話の欠如と感度によって制約される。 本稿では、メンタルヘルス支援のためのプライバシ保護LLMであるMindChatと、マルチエージェントロールプレイングフレームワークによって構築された合成マルチターンカウンセリングデータセットであるMindCorpusを紹介する。 高品質なカウンセリングデータを合成するために、開発した対話構築フレームワークは、二重閉ループフィードバック設計を用いて、ロールプレイングを通じて心理学的専門知識とカウンセリング技術を統合する。 一 会期における整合性及び相談適性を向上させるための旋回的批評及び改正 二 セッションごとのカウンセラー行動の充実を図るためのセッションレベルの戦略改善。 分散データオーナシップ下でのプライバシーリスクを軽減するため,パラメータ効率のよいLoRAアダプタを用いたフェデレーション学習を用いてベースモデルを微調整し,メンバシップや記憶リスクを低減するために,差分プライベートな最適化を取り入れた。 合成データ品質評価とカウンセリング能力評価の実験により、MindCorpusはトレーニング効率を改善し、MindChatは、メンバシップ推論攻撃によるプライバシー漏洩の低減を図りながら、既存の一般およびカウンセリング指向のLCMベースラインと競合することが示された。

関連論文リスト

• Roleplaying with Structure: Synthetic Therapist-Client Conversation Generation from Questionnaires [5.163738939075784]
  構造化されたクライアントプロファイルと心理的アンケートに基づいて合成カウンセリング対話を生成するLLM駆動パイプラインを提案する。 我々のフレームワークであるSQPsychは、構造化された心理的入力をセラピスト・クライアントシミュレーションを通じて自然言語対話に変換する。 我々の研究は、メンタルヘルス支援のためのスケーラブルでデータセキュアで臨床的に情報提供されたAIを実現するための合成データの可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-29T10:55:52Z)
• Reframe Your Life Story: Interactive Narrative Therapist and Innovative Moment Assessment with Large Language Models [72.36715571932696]
  物語療法は、個人が問題のある人生の物語を代替品の力に変えるのに役立つ。 現在のアプローチでは、特殊精神療法ではリアリズムが欠如しており、時間とともに治療の進行を捉えることができない。 Int(Interactive Narrative Therapist)は、治療段階を計画し、反射レベルを誘導し、文脈的に適切な専門家のような反応を生成することによって、専門家の物語セラピストをシミュレートする。
  論文  参考訳（メタデータ） (2025-07-27T11:52:09Z)
• Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling [50.83055329849865]
  PsyLLMは、メンタルヘルスカウンセリングの診断と治療的推論を統合するために設計された大きな言語モデルである。 Redditから現実世界のメンタルヘルス投稿を処理し、マルチターン対話構造を生成する。 実験の結果,PsyLLMは最先端のベースラインモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-21T16:24:49Z)
• Ψ-Arena: Interactive Assessment and Optimization of LLM-based Psychological Counselors with Tripartite Feedback [51.26493826461026]
  大規模言語モデル(LLM)の総合的評価と最適化のための対話型フレームワークであるPsi-Arenaを提案する。 アリーナは、心理学的にプロファイルされたNPCクライアントとの多段階対話を通じて現実世界のカウンセリングをシミュレートする現実的なアリーナ相互作用を特徴としている。 8つの最先端のLLM実験は、異なる実世界のシナリオと評価の観点で大きなパフォーマンス変化を示す。
  論文  参考訳（メタデータ） (2025-05-06T08:22:51Z)
• Crisp: Cognitive Restructuring of Negative Thoughts through Multi-turn Supportive Dialogues [75.16593367473259]
  認知的再構成(Cognitive Restructuring, CR)は、個人の否定的思考を識別し、再構成することを目的とした精神療法のプロセスである。 既存の取り組みでは、単純なテキストの書き直し、固定パターンの対話、あるいはワンショットのCRワークフローを通じてCRを実装している。 本稿では,CRの新しいフレームワークであるCRDialを提案する。
  論文  参考訳（メタデータ） (2025-04-24T04:22:00Z)
• Advancing Conversational Psychotherapy: Integrating Privacy, Dual-Memory, and Domain Expertise with Large Language Models [0.8563446809549775]
  メンタルヘルスは、伝統的な会話精神療法の限界を明らかにする世界的な問題となっている。 心理療法へのアクセスを民主化するために設計されたLarge Language Model (LLM)対応チャットボットであるSoulSpeakを紹介する。
  論文  参考訳（メタデータ） (2024-12-04T03:02:46Z)
• CPsyCoun: A Report-based Multi-turn Dialogue Reconstruction and Evaluation Framework for Chinese Psychological Counseling [27.193022503592342]
  中国における心理カウンセリングのための多面的対話再構築・評価フレームワークCPsyCounを提案する。 心理カウンセリングレポートを完全に活用するために、高品質な対話を構築するための2段階のアプローチが考案された。 マルチターン心理相談の効果的な自動評価のための総合評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-05-26T05:18:00Z)
• 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。