論文の概要: Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation
- arxiv url: http://arxiv.org/abs/2604.17178v1
- Date: Sun, 19 Apr 2026 00:39:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.372884
- Title: Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation
- Title（参考訳）: 感情支援会話における認知的歪の診断と介入のための認知政策駆動型LLM
- Authors: Lin Zhong, Renjin Zhu, Shujuan Ma, Jinhao Cui, Lingzhi Wang, Hao Chen, Qing Liao,
- Abstract要約: 認知歪みのラベルを追加することで、既存のESCデータセットを拡張する最初のデータセットを構築します。
本研究では,認知政策駆動型大規模言語モデルフレームワーク(CoPoLLM)を提案する。
実験の結果,CoPoLLMは歪み診断精度,介入戦略の有効性,安全リスク管理の点で,最先端のベースライン15を著しく上回ることがわかった。
- 参考スコア（独自算出の注目度）: 12.273252267253385
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emotional Support Conversation (ESC) plays a critical role in mental health assistance by providing accessible psychological support in real-world applications. Large Language Models (LLMs) have shown strong empathetic abilities in ESC tasks. Yet, existing methods overlook the issue of cognitive distortions in help-seekers' expressions. As a result, current models can only provide basic emotional comfort, rather than helping help-seekers address their psychological distress at a deeper cognitive level. To address this challenge, we construct the CogBiasESC dataset, the first dataset that expands existing ESC datasets by adding labels for cognitive distortions, includes their type, intensity, and safe risk level. Furthermore, we propose the Cognitive Policy-driven Large Language Model framework (CoPoLLM) to enhance LLMs' ability to diagnose and intervene cognitive distortions in help-seekers. We also analyze the safety advantages of CoPoLLM from a theoretical perspective. Experimental results show that CoPoLLM significantly outperforms 15 state-of-the-art baselines in terms of distortion diagnosis accuracy, intervention strategy effectiveness, and safety risk control.
- Abstract（参考訳）: Emotional Support Conversation (ESC) は、現実世界のアプリケーションでアクセス可能な心理的支援を提供することによって、メンタルヘルス支援において重要な役割を担っている。
大規模言語モデル(LLM)はESCタスクにおいて強い共感能力を示す。
しかし、既存の手法は、ヘルプシーカーの表現における認知歪みの問題を見落としている。
その結果、現在のモデルは、より深い認知レベルでの心理的苦痛に対処する助けになるのではなく、基本的な感情的な快適さを提供するだけである。
この課題に対処するため、認知歪みのラベルを追加することで既存のESCデータセットを拡張する最初のデータセットであるCogBiasESCデータセットを構築し、そのタイプ、強度、安全リスクレベルを含む。
さらに,認知政策駆動型大規模言語モデルフレームワーク(CoPoLLM)を提案する。
また,CoPoLLMの安全性の利点を理論的観点から分析した。
実験結果から,CoPoLLMは歪み診断精度,介入戦略の有効性,安全リスク管理において,最先端のベースライン15を著しく上回ることがわかった。
関連論文リスト
- A Principle-Driven Adaptive Policy for Group Cognitive Stimulation Dialogue for Elderly with Cognitive Impairment [46.48467561674335]
本稿では,グループ認知刺激対話システムを通じて実現された原則駆動適応政策を提案する。
まず,500時間以上の現実世界のCST会話と1万以上のシミュレーション対話を原則誘導シナリオシミュレーションによって生成したデータセットを構築した。
次に、GCSDシステムは、制限を克服するために、4つのコアモジュールを統合する。 (i) 役割混乱を解決するためのマルチスピーカコンテキストコントローラ、 (ii) 認知刺激に焦点を絞った注意損失、 (iv) 応答値を高めるための多次元報酬戦略。
論文 参考訳（メタデータ） (2026-03-01T15:43:21Z) - Toward Cognitive Supersensing in Multimodal Large Language Model [67.15559571626747]
我々は,MLLMに人間のような視覚的特徴を付与する訓練パラダイムであるCognitive Supersensingを紹介する。
実験では、CogSense-BenchでCognitive Supersensingを訓練したMLLMが、最先端のベースラインを大きく上回った。
私たちはCogSense-Benchとモデルウェイトをオープンソースにします。
論文 参考訳（メタデータ） (2026-02-02T02:19:50Z) - CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation [25.567786529759406]
Emotional Support Conversation (ESC) は、心理的ストレスを緩和し、対話を通じて感情的価値を提供する上で重要な役割を担っている。
近年の研究では、データ拡張と合成コーパスの構築に主に焦点が当てられている。
大規模合成データに頼らずにESCにおける推論を強化する新しいフレームワークである textbfCARE を提案する。
論文 参考訳（メタデータ） (2025-09-30T03:19:50Z) - Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory [18.716972390545703]
我々は,AICCがウェルビーイングをどのように形成し,ユーザがこれらの経験をどう感じたかを検討した。
発見は、感情と悲しみの表現、読みやすさ、対人的な焦点の混合効果を示した。
私たちは、健全なバウンダリを把握し、マインドフルエンゲージメントをサポートし、依存のない開示をサポートし、表面的な関係ステージを持つAIコンパニオンに対して、設計上の意味を提供する。
論文 参考訳（メタデータ） (2025-09-26T15:47:37Z) - Psychological Health Knowledge-Enhanced LLM-based Social Network Crisis Intervention Text Transfer Recognition Method [5.906696389239875]
本研究では,大規模言語モデル(LLM)を用いたソーシャル・ネットワーク危機介入のためのテキスト・トランスファー認識手法を提案する。
本稿では、BERTを用いた転帰学習を取り入れた多段階フレームワークを提案し、メンタルヘルス知識、感情分析、行動予測技術を統合する。
論文 参考訳（メタデータ） (2025-04-05T22:57:22Z) - 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) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - 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。