論文の概要: Towards Efficient and Robust Linguistic Emotion Diagnosis for Mental Health via Multi-Agent Instruction Refinement

• arxiv url: http://arxiv.org/abs/2601.13481v1
• Date: Tue, 20 Jan 2026 00:31:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.10715
• Title: Towards Efficient and Robust Linguistic Emotion Diagnosis for Mental Health via Multi-Agent Instruction Refinement
• Title（参考訳）: マルチエージェント・インストラクション・リファインメントによるメンタルヘルスの効率的・ロバストな言語的感情診断に向けて
• Authors: Jian Zhang, Zhangqi Wang, Zhiyuan Wang, Weiping Fu, Yu He, Haiping Zhu, Qika Lin, Jun Liu,
• Abstract要約: うつ病、不安、外傷などの感情の言語表現は、臨床ノート、カウンセリングダイアログ、オンラインのメンタルヘルスコミュニティに広く浸透している。 診断効率とロバスト性を改善するために,より広範かつきめ細かなプロンプト空間を体系的に探索するフレームワークであるAPOLOを提案する。
• 参考スコア（独自算出の注目度）: 33.26503728561297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linguistic expressions of emotions such as depression, anxiety, and trauma-related states are pervasive in clinical notes, counseling dialogues, and online mental health communities, and accurate recognition of these emotions is essential for clinical triage, risk assessment, and timely intervention. Although large language models (LLMs) have demonstrated strong generalization ability in emotion analysis tasks, their diagnostic reliability in high-stakes, context-intensive medical settings remains highly sensitive to prompt design. Moreover, existing methods face two key challenges: emotional comorbidity, in which multiple intertwined emotional states complicate prediction, and inefficient exploration of clinically relevant cues. To address these challenges, we propose APOLO (Automated Prompt Optimization for Linguistic Emotion Diagnosis), a framework that systematically explores a broader and finer-grained prompt space to improve diagnostic efficiency and robustness. APOLO formulates instruction refinement as a Partially Observable Markov Decision Process and adopts a multi-agent collaboration mechanism involving Planner, Teacher, Critic, Student, and Target roles. Within this closed-loop framework, the Planner defines an optimization trajectory, while the Teacher-Critic-Student agents iteratively refine prompts to enhance reasoning stability and effectiveness, and the Target agent determines whether to continue optimization based on performance evaluation. Experimental results show that APOLO consistently improves diagnostic accuracy and robustness across domain-specific and stratified benchmarks, demonstrating a scalable and generalizable paradigm for trustworthy LLM applications in mental healthcare.
• Abstract（参考訳）: うつ病、不安、外傷などの感情の言語表現は、臨床ノート、カウンセリングダイアログ、オンラインのメンタルヘルスコミュニティに広く浸透しており、これらの感情の正確な認識は、臨床トリアージ、リスクアセスメント、タイムリーな介入に不可欠である。 大規模言語モデル (LLM) は感情分析タスクにおいて強力な一般化能力を示しているが, 文脈集約型医療環境における診断信頼性は, 設計の迅速化に非常に敏感なままである。 さらに、既存の方法は2つの主要な課題に直面している: 感情的協調、複数の相互に絡み合った感情状態が予測を複雑にし、臨床的に関係のある手がかりの非効率な探索である。 これらの課題に対処するために,より広義できめ細かいプロンプト空間を体系的に探索し,診断効率と堅牢性を向上させるフレームワークであるAPOLO(Automated Prompt Optimization for Linguistic Emotion Diagnosis)を提案する。 APOLOは、部分的に観察可能なマルコフ決定プロセスとして命令の洗練を定式化し、プランナー、教師、批判的、学生、ターゲットの役割を含むマルチエージェントの協調メカニズムを採用する。 このクローズドループフレームワークの中で、Plannerは最適化軌跡を定義し、Targetエージェントは性能評価に基づいて最適化を継続するかを決定する。 実験により、APOLOは、精神医療における信頼性の高いLLMアプリケーションのためのスケーラブルで一般化可能なパラダイムを実証し、ドメイン固有で階層化されたベンチマークの診断精度と堅牢性を一貫して改善することが示された。

関連論文リスト

• Leveraging Metaheuristic Approaches to Improve Deep Learning Systems for Anxiety Disorder Detection [0.0]
  本研究では,Swarmインテリジェンスにインスパイアされた最適化戦略とディープラーニングアーキテクチャを統合した包括的モデルを提案する。 マルチモーダルおよびウェアラブルセンサーのデータセットを使用して、このフレームワークは生理的、感情的、行動的な信号を解析する。 この2つの計算パラダイムの融合が検出性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2025-11-24T07:03:15Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Automated Clinical Problem Detection from SOAP Notes using a Collaborative Multi-Agent LLM Architecture [8.072932739333309]
  我々は,このギャップに対処するために,臨床相談チームをモデル化する共同マルチエージェントシステム(MAS)を導入する。 このシステムは、SOAPノートの主観的(S)および目的的(O)セクションのみを分析することによって、臨床上の問題を特定する。 マネージャエージェントは、階層的で反復的な議論に従事し、合意に達するために、動的に割り当てられた専門家エージェントのチームを編成する。
  論文  参考訳（メタデータ） (2025-08-29T17:31:24Z)
• AgentMental: An Interactive Multi-Agent Framework for Explainable and Adaptive Mental Health Assessment [31.920800599579906]
  メンタルヘルスアセスメントは早期介入と効果的な治療に不可欠であるが、伝統的な臨床医ベースのアプローチは資格のある専門家の不足によって制限される。 人工知能の最近の進歩は、自動心理学的評価への関心が高まりつつあるが、既存のほとんどのアプローチは静的テキスト分析に依存しているため制約されている。 臨床医と患者との対話をシミュレートした精神保健評価のためのマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-15T16:20:45Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• WiseMind: Recontextualizing AI with a Knowledge-Guided, Theory-Informed Multi-Agent Framework for Instrumental and Humanistic Benefits [10.8749978349074]
  WiseMindは、NLPの分野間コンテキスト化フレームワークである。 うつ病、不安症、双極性障害で試験され、診断精度は84.2%に達する。 その結果、知識、プロセス、評価層にまたがる深い文脈化は、ベンチマーク駆動型NLPを臨床的に有意義な影響に変換することができることがわかった。
  論文  参考訳（メタデータ） (2025-02-28T03:45:39Z)
• A Multimodal Emotion Recognition System: Integrating Facial Expressions, Body Movement, Speech, and Spoken Language [0.0]
  本研究は,評価者を支援するための標準化された,客観的かつデータ駆動型ツールを提供するマルチモーダル感情認識システムを提案する。 このシステムは、表情、スピーチ、音声言語、身体の動きの分析の認識を統合し、人間の評価でしばしば見過ごされる微妙な感情的な手がかりを捉える。
  論文  参考訳（メタデータ） (2024-12-23T19:00:34Z)
• 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)

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。