論文の概要: CARE: Counselor-Aligned Response Engine for Online Mental-Health Support
- arxiv url: http://arxiv.org/abs/2604.21352v1
- Date: Thu, 23 Apr 2026 07:11:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.350737
- Title: CARE: Counselor-Aligned Response Engine for Online Mental-Health Support
- Title（参考訳）: CARE:オンラインメンタルヘルス支援のためのカウンセラー対応対応エンジン
- Authors: Hagai Astrin, Ayal Swaid, Avi Segal, Kobi Gal,
- Abstract要約: メンタルヘルスの課題は世界中で増加しており、感情的なサポートサービスに支障をきたし、カウンセラーの過負荷につながっている。
これは、タイムリーな介入が不可欠である自殺のような致命的な状況における遅延反応をもたらす。
本稿では,カウンセラーを支援し,リアルタイムに心理的に整合した応答レコメンデーションを生成するためのフレームワークであるCARE(Counselor-Aligned Response Engine)を提案する。
- 参考スコア（独自算出の注目度）: 3.096218674732811
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental health challenges are increasing worldwide, straining emotional support services and leading to counselor overload. This can result in delayed responses during critical situations, such as suicidal ideation, where timely intervention is essential. While large language models (LLMs) have shown strong generative capabilities, their application in low-resource languages, especially in sensitive domains like mental health, remains underexplored. Furthermore, existing LLM-based agents often struggle to replicate the supportive language and intervention strategies used by professionals due to a lack of training on large-scale, real-world datasets. To address this, we propose CARE (Counselor-Aligned Response Engine), a GenAI framework that assists counselors by generating real-time, psychologically aligned response recommendations. CARE fine-tunes open-source LLMs separately for Hebrew and Arabic using curated subsets of real-world crisis conversations. The training data consists of sessions rated as highly effective by professional counselors, enabling the models to capture interaction patterns associated with successful de-escalation. By training on complete conversation histories, CARE maintains the evolving emotional context and dynamic structure of counselor-help-seeker dialogue. In experimental settings, CARE demonstrates stronger semantic and strategic alignment with gold-standard counselor responses compared to non-specialized LLMs. These findings suggest that domain-specific fine-tuning on expert-validated data can significantly support counselor workflows and improve care quality in low-resource language contexts.
- Abstract（参考訳）: メンタルヘルスの課題は世界中で増加しており、感情的なサポートサービスに支障をきたし、カウンセラーの過負荷につながっている。
これは、時間的介入が不可欠である自殺の考えなど、重大な状況下での遅延反応をもたらす可能性がある。
大規模言語モデル(LLM)は、強力な生成能力を示しているが、低リソース言語、特にメンタルヘルスのような敏感な領域において、その応用はいまだ研究されていない。
さらに、既存のLLMベースのエージェントは、大規模な実世界のデータセットのトレーニングが不足しているため、プロが使用するサポート言語や介入戦略の再現に苦労することが多い。
そこで本稿では,カウンセラーを支援するための,リアルタイムで心理的に整合した応答レコメンデーションを生成する手法であるCARE(Counselor-Aligned Response Engine)を提案する。
CAREファインチューン(英語版)は、現実の危機的会話のキュレートされたサブセットを使用して、ヘブライ語とアラビア語のために別々にLLMをオープンソースにしている。
トレーニングデータは、プロのカウンセラーによって非常に効果的と評価されたセッションで構成されており、モデルがデエスカレーションの成功に関連する相互作用パターンをキャプチャすることができる。
完全な会話履歴のトレーニングにより、CAREはカウンセラー・ヘルプ・シーカー対話の進化する情緒的文脈と動的構造を維持している。
実験環境では、CAREは非特殊化LDMと比較して、金標準カウンセラー応答とより強力な意味的および戦略的アライメントを示す。
これらの結果から,専門家検証データに対するドメイン固有の微調整は,カウンセラーワークフローを著しく支援し,低リソース言語コンテキストにおけるケア品質を向上させることが示唆された。
関連論文リスト
- MindChat: A Privacy-preserving Large Language Model for Mental Health Support [10.332226758787277]
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。
論文 参考訳（メタデータ） (2026-01-05T10:54:18Z) - Tell Me: An LLM-powered Mental Well-being Assistant with RAG, Synthetic Dialogue Generation, and Agentic Planning [0.0]
Tell Meは、大きな言語モデルの進歩を活用して、ユーザと研究者にアクセシブルでコンテキスト対応のサポートを提供する、メンタルウェルビーイングシステムである。
i) パーソナライズされた知識基盤対話のための検索強化世代アシスタント(RAG) ; (ii) クライアントプロファイルに条件付き合成クライアントセラピスト対話ジェネレータで、治療言語とデータ拡張の研究を容易にする。
論文 参考訳（メタデータ） (2025-11-18T12:43:04Z) - 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) - "Is This Really a Human Peer Supporter?": Misalignments Between Peer Supporters and Experts in LLM-Supported Interactions [5.481575506447599]
メンタルヘルスは世界的な懸念が高まり、AIによる精神社会的支援へのアクセス拡大への関心を喚起している。
LLMは、特にリアルタイム、テキストベースのインタラクションにおいて、ピアサポートインタラクションを強化する新たな機会を提供する。
我々は、LLMシミュレーションされた苦難クライアント、文脈に敏感なLLM生成提案、リアルタイム感情可視化を備えたAI支援システムを提案し、評価する。
論文 参考訳（メタデータ） (2025-06-11T03:06:41Z) - 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) - 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) - Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - Optimizing Psychological Counseling with Instruction-Tuned Large Language Models [9.19192059750618]
本稿では,心理カウンセリングにおける大規模言語モデル(LLM)の適用について検討する。
本稿では,共感的,関連性,支援的な応答を提供することで,特定のプロンプトを持つLLMを指導し,その性能を高める方法を提案する。
論文 参考訳（メタデータ） (2024-06-19T15:13:07Z) - 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) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z)
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。