論文の概要: Psy-Chronicle:A Structured Pipeline for Synthesizing Long-Horizon Campus Psychological Counseling Dialogues
- arxiv url: http://arxiv.org/abs/2605.22140v1
- Date: Thu, 21 May 2026 08:12:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.155643
- Title: Psy-Chronicle:A Structured Pipeline for Synthesizing Long-Horizon Campus Psychological Counseling Dialogues
- Title（参考訳）: Psy-Chronicle:Long-Horizon Campus Psychological Counseling Dialoguesを合成するための構造化パイプライン
- Authors: Chaogui Gou, Jiarui Liang,
- Abstract要約: 本稿では,長距離キャンパスカウンセリング対話を合成するための構造化データ生成フレームワークであるPsy-Chronicleを提案する。
Psy-Chronicleをベースとして,大学心理カウンセリングのための中国語長軸対話データセットCPCDを構築し,オープンソース化した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, large language models have shown substantial potential in psychological support tasks. However, existing psychological counseling data mostly rely on single-turn question answering or short multi-turn dialogues, making it difficult to characterize how college students' psychological distress accumulates, interacts, and gradually evolves over long periods within campus life events. To address this issue, this paper proposes Psy-Chronicle, a structured data-generation framework for synthesizing long-horizon campus psychological counseling dialogues. We generate a semester-spanning temporal stress event graph to model the chronological order and evolutionary dependencies among campus stress events. Through interactive simulation between a student agent and a counselor agent, together with a structured memory integration mechanism, Psy-Chronicle generates long-horizon dialogues with continuity across counseling sessions. Based on Psy-Chronicle, we construct and open-source CPCD, a Chinese long-horizon dialogue dataset for college psychological counseling, containing 100 student profiles, 90,000 counseling dialogues. We further build CPCD-Bench to evaluate models' long-horizon campus counseling capabilities from three dimensions: session-level response, long-horizon memory recall, and temporal-causal reasoning. Experimental results show that CPCD effectively improves session-level response generation and long-horizon memory recall for models with the same base architecture. Meanwhile, improvements in temporal-causal reasoning remain limited, indicating that event-chain organization and causal explanation are key challenges in long-horizon psychological counseling modeling. The related code and data are available at: https://github.com/EdwinUSTB/Psy-Chronicle
- Abstract（参考訳）: 近年,大規模言語モデルが心理的支援タスクにおいて大きな可能性を示している。
しかし、既存の心理カウンセリングデータは、主にシングルターンの質問応答や短い複数ターンの対話に依存しており、学生の心理的苦痛がどのように蓄積され、相互作用し、徐々に進化していくかを特徴づけるのが困難である。
そこで本研究では,長軸キャンパスの心理カウンセリング対話を合成するための構造化データ生成フレームワークであるPsy-Chronicleを提案する。
我々は、キャンパスのストレスイベント間の時間的秩序と進化的依存関係をモデル化するために、学期ごとの時間的ストレスイベントグラフを生成する。
学生エージェントとカウンセラーエージェントの対話的シミュレーションを通じて、構造化されたメモリ統合機構とともに、Psy-Chronicleはカウンセリングセッション間で連続した長軸対話を生成する。
Psy-Chronicleをベースとして,100名の学生プロフィールと90,000名のカウンセリング対話を含む,大学心理カウンセリングのための中国語長軸対話データセットCPCDを構築し,オープンソース化した。
さらにCPCD-Benchを構築し,セッションレベルの応答,長期記憶のリコール,時間的因果推論の3次元から,モデルの長期キャンパスカウンセリング能力を評価する。
実験結果から,CPCDはセッションレベルの応答生成と,同じベースアーキテクチャを持つモデルに対する長期メモリリコールを効果的に改善することが示された。
一方、時間・因果推論の改善は依然として限られており、長期の心理的カウンセリングモデリングにおいてイベントチェーン組織と因果説明が重要な課題であることを示している。
関連コードとデータは、https://github.com/EdwinUSTB/Psy-Chronicleで公開されている。
関連論文リスト
- AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。
AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。
LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
論文 参考訳（メタデータ） (2026-03-17T13:22:54Z) - TheraMind: A Strategic and Adaptive Agent for Longitudinal Psychological Counseling [53.46927050949822]
縦断的心理カウンセリングのための戦略的適応型エージェントであるTheraMindを紹介する。
TheraMindの基盤は、カウンセリングプロセスをセッション内ループとクロスセッションループに分離する、新しいデュアルループアーキテクチャである。
クロスセッションループは、各セッション後の適用療法の有効性を評価し、その後の相互作用の方法を調整することにより、長期適応性を有するエージェントに権限を与える。
論文 参考訳（メタデータ） (2025-10-29T17:54:20Z) - Toward Real-World Chinese Psychological Support Dialogues: CPsDD Dataset and a Co-Evolving Multi-Agent System [7.744725404359205]
本稿では,限られた実世界のデータと専門知識を利用して,ダイアログ生成とダイアログ生成という2つの大きな言語モデルを微調整するフレームワークを提案する。
Generatorは、事前に定義されたパスに基づいて大規模な心理的カウンセリング対話を生成し、システム応答戦略とユーザインタラクションをガイドする。
包括的エージェント対話支援システム(CADSS)では、プロファイラがユーザ特性を分析し、要約器が対話履歴を凝縮し、プランナーが戦略を選択し、支援者が共感反応を生成する。
論文 参考訳（メタデータ） (2025-07-10T07:56:35Z) - Psychological Counseling Cannot Be Achieved Overnight: Automated Psychological Counseling Through Multi-Session Conversations [26.422675063457827]
マルチセッション・サイコ・カウンセリング・会話データセット(MusPsy-Dataset)について紹介する。
私たちのMusPsy-Datasetは、公開されている心理的ケースレポートの実際のクライアントプロファイルを使って構築されます。
私たちはまた、クライアントの進捗を追跡し、時間とともにカウンセリングの方向性を調整することを目的としたMusPsy-Modelを開発しました。
論文 参考訳（メタデータ） (2025-06-07T02:00:45Z) - 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) - PsyDT: Using LLMs to Construct the Digital Twin of Psychological Counselor with Personalized Counseling Style for Psychological Counseling [12.08584138023052]
我々は、パーソナライズされたカウンセリングスタイルで心理カウンセラーのデジタルツインを構築するための新しいフレームワークであるPsyDTを提案する。
多数の現実世界のカウンセリングケースを収集する時間とコストのかかるアプローチと比較して、私たちのフレームワークはより速く、よりコスト効率の良いソリューションを提供します。
論文 参考訳（メタデータ） (2024-12-18T09:38:43Z) - Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。
我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。
Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
論文 参考訳（メタデータ） (2024-07-03T13:41:31Z) - Data Augmentation of Multi-turn Psychological Dialogue via Knowledge-driven Progressive Thought Prompting [46.919537239016734]
大規模言語モデル(LLM)はマルチターン対話の実装を単純化した。
心理的対話のような低リソース領域で満足なパフォーマンスを実現することは依然として困難です。
心理学的対話を生成するための LLM 指導のための知識駆動型進歩的思考促進手法を提案する。
論文 参考訳（メタデータ） (2024-06-24T12:02:56Z) - Evaluating Very Long-Term Conversational Memory of LLM Agents [95.84027826745609]
我々は,高品質で長期的な対話を生成するための,マシン・ヒューマン・パイプラインを導入する。
我々は、各エージェントに画像の共有と反応の能力を持たせる。
生成した会話は、長距離一貫性のために人間のアノテーションによって検証され、編集される。
論文 参考訳（メタデータ） (2024-02-27T18:42:31Z) - Improving Multi-turn Emotional Support Dialogue Generation with
Lookahead Strategy Planning [81.79431311952656]
感情支援のための新しいシステムMultiESCを提案する。
戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。
ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
論文 参考訳（メタデータ） (2022-10-09T12:23:47Z)
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。