論文の概要: EFT-CoT: A Multi-Agent Chain-of-Thought Framework for Emotion-Focused Therapy
- arxiv url: http://arxiv.org/abs/2601.17842v1
- Date: Sun, 25 Jan 2026 13:53:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.428573
- Title: EFT-CoT: A Multi-Agent Chain-of-Thought Framework for Emotion-Focused Therapy
- Title（参考訳）: EFT-CoT : 感情集中治療のためのマルチエージェント・チェーン・オブ・フォールト・フレームワーク
- Authors: Lanqing Du, Yunong Li, YuJie Long, Shihong Chen,
- Abstract要約: Emotion-Focused Therapy (EFT) ベースのマルチエージェント・チェーン・オブ・ソート・フレームワーク (EFT-CoT) を提案する。
ボトムアップ」軌道を採用することで、3段階の推論フローへの介入を分解する:「身体的知覚 - 認知的探索 - 物語的介入」
さらに,約67,000個の本文のChain-of-Thought蒸留による高品質なデータセット「EFT-Instruct」を構築し,特殊モデル「EDT-LLM」を微調整した。
- 参考スコア（独自算出の注目度）: 0.4499833362998488
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Leveraging Large Language Models (LLMs) for Mental Health Question Answering (MHQA) is promising for mitigating resource shortages. However, existing Cognitive Behavioral Therapy (CBT)-based approaches predominantly favor a "top-down" rational restructuring, often neglecting clients' embodied experiences and primary emotion processing. To address this, we propose an Emotion-Focused Therapy (EFT)-based Multi-Agent Chain-of-Thought framework (EFT-CoT). Adopting a "bottom-up" trajectory, it deconstructs the intervention into a three-stage reasoning flow: "Embodied Perception - Cognitive Exploration - Narrative Intervention." Utilizing eight specialized agents, the system explicitly executes critical components such as somatic awareness mapping, adaptive assessment, core belief extraction, and narrative restructuring. We further constructed "EFT-Instruct," a high-quality dataset via Chain-of-Thought distillation of approximately 67,000 authentic texts, and fine-tuned a specialized model, EFT-LLM. Experimental evaluations demonstrate that EFT-LLM outperforms strong baselines and human responses across metrics like empathy depth and structural professionalism. Ablation studies confirm the necessity of the multi-agent mechanism. The model exhibits superior psychological reasoning, offering an effective pathway for interpretable, high-empathy counseling systems.
- Abstract（参考訳）: MHQA(Mental Health Question Answering)のためのLLM(Large Language Models)の導入は、リソース不足を軽減することを約束している。
しかし、既存の認知行動療法(CBT)ベースのアプローチは、主に「トップダウン」な合理的な再構成を好んでおり、しばしばクライアントの具体的経験や一次感情処理を無視している。
そこで我々は,感情焦点療法(EFT)に基づくマルチエージェント・チェーン・オブ・ソート・フレームワーク(EFT-CoT)を提案する。
ボトムアップ(bottom-up)軌道を採用することで、介入を3段階の推論フロー("Embodied Perception - Cognitive Exploration - Narrative Intervention")に分解する。
システムは,8つの専門エージェントを用いて,ソマティック・アウェアメント・マッピング,適応評価,コア信念抽出,物語再構成などの重要なコンポーネントを明示的に実行している。
さらに,約67,000個の本文のChain-of-Thought蒸留による高品質なデータセット「EFT-Instruct」を構築し,特殊モデル「EDT-LLM」を微調整した。
実験により、EDT-LLMは共感深度や構造的プロフェッショナル主義などの指標において、強いベースラインと人間の反応を上回っていることが示された。
アブレーション研究はマルチエージェント機構の必要性を裏付けるものである。
このモデルは優れた心理的推論を示し、解釈可能な高共感カウンセリングシステムに効果的な経路を提供する。
関連論文リスト
- MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。
まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。
次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
論文 参考訳（メタデータ） (2025-10-24T02:11:05Z) - Psyche-R1: Towards Reliable Psychological LLMs through Unified Empathy, Expertise, and Reasoning [21.062242651416675]
我々は,共感,心理学的専門知識,推論を共同で統合した中国初の心理学的大規模言語モデル(LLM)である Psyche-R1 を提案する。
具体的には,75k以上の心理的質問を詳細な論理と組み合わせて生成する包括的データ合成パイプラインを設計する。
実験の結果、いくつかの心理学的ベンチマークでサイクロン-R1の有効性が示された。
論文 参考訳（メタデータ） (2025-08-14T17:18:35Z) - 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) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - MADP: Multi-Agent Deductive Planning for Enhanced Cognitive-Behavioral Mental Health Question Answer [7.738135970011351]
マルチエージェント・デダクティブ・プランニング(MADP)というフレームワークを提案する。
MADPは認知行動療法(CBT)の様々な心理的要素間の相互作用に基づいている
我々はMADPフレームワークに基づいた新しいデータセットを構築し、それをLLM(Large Language Models)の微調整に利用する。
論文 参考訳（メタデータ） (2025-01-27T07:18:47Z) - CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。
我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。
実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
論文 参考訳（メタデータ） (2024-10-17T04:52:57Z) - HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。
この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。
我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
論文 参考訳（メタデータ） (2024-02-26T09:10:34Z)
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。