論文の概要: When Clients Stop Following: A Cognitive Conceptualization Diagram-driven Framework for Strategic Counseling

• arxiv url: http://arxiv.org/abs/2606.04389v1
• Date: Wed, 03 Jun 2026 03:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.502424
• Title: When Clients Stop Following: A Cognitive Conceptualization Diagram-driven Framework for Strategic Counseling
• Title（参考訳）: クライアントが従うのをやめたとき: 戦略的カウンセリングのための認知概念化ダイアグラム駆動フレームワーク
• Abstract要約: 既存のベンチマークは、高度に協調的なシミュレートされたクライアントに大きく依存している。 これらのクライアントはしばしば、わずか数回で抵抗からコンプライアンスへと急速に移行します。 本稿では,認知行動療法(CBT)を基盤とした抵抗認識フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.733715213738371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) show promise in psychological counseling, yet existing benchmarks rely heavily on highly cooperative simulated clients. We observe a critical counselor-following phenomenon: these clients often rapidly shift from resistance to compliance after only a few turns, creating an illusion of therapeutic progress and inflating scores under current evaluation protocols through superficial empathy. To address this evaluation mismatch, we propose a Cognitive Behavioral Therapy (CBT)-grounded resistance-aware framework. We introduce CARS, a client simulator that explicitly models dynamic resistance via Cognitive Conceptualization Diagrams (CCDs). We present STREAMS, a dual-module framework that decouples strategic reasoning (Thinker) from response generation (Presenter) and optimizes it via reinforcement learning. We further propose EWTS-MI, an entropy-weighted metric for evaluating responsiveness under high-friction interactions. Experiments across resistant and non-resistant counseling settings validate our findings on evaluation mismatch and demonstrate the effectiveness of resistance-aware training for improving strategic robustness under challenging counseling interactions.
• Abstract（参考訳）: 大規模言語モデル(LLM)は心理学的カウンセリングにおいて有望であるが、既存のベンチマークは高度に協調的なシミュレートされたクライアントに大きく依存している。 批判的なカウンセラーフォロー現象を観察する。これらのクライアントは、わずか数回で、抵抗からコンプライアンスへと急速に移行し、治療進行の錯覚を生じさせ、表面的共感を通じて現在の評価プロトコルの下でスコアを膨らませる。 この評価ミスマッチに対処するために,認知行動療法(CBT)を基盤とした抵抗認識フレームワークを提案する。 本稿では,認知概念化ダイアグラム(CCD)を用いて動的抵抗を明示的にモデル化するクライアントシミュレータCARSを紹介する。 我々は、戦略推論(Thinker)を応答生成(Presenter)から切り離し、強化学習によって最適化するデュアルモジュールフレームワークSTREAMSを提案する。 さらに,高摩擦相互作用下での応答性評価のためのエントロピー重み付き計量であるEWTS-MIを提案する。 抵抗性および非抵抗性カウンセリング・セッティングを用いた実験は, 評価ミスマッチに関する知見を検証し, 挑戦的カウンセリング・インタラクションによる戦略的堅牢性向上のための抵抗性アウェアトレーニングの有効性を実証した。

関連論文リスト

• HERO: Hindsight-Enhanced Reflection from Environment Observations for Agentic Self-Distillation [50.53459634301361]
  HEROは、次の環境観測を局所的に整列したフィードバックとして利用する、後向きの自己蒸留フレームワークである。 HEROはタスク成功を改善し、環境フィードバックのみの自己蒸留とGRPOに対する不要なターンを減らす。
  論文  参考訳（メタデータ） (2026-06-10T01:35:34Z)
• Beyond Compliance: A Resistance-Informed Motivation Reasoning Framework for Challenging Psychological Client Simulation [24.395851758074205]
  既存の心理学的クライアントシミュレータは非現実的なオーバーコンプライアンスを示しており、カウンセラーは現実の実践に共通する困難な行動に備えていない。 本稿では、クライアント抵抗理論に基づくクライアントの振る舞いを体系的にモデル化するResistClientについて述べる。 大規模な自動評価と専門家評価により、ResistClientは既存のシミュレータを、挑戦の忠実さ、行動の妥当性、推論のコヒーレンスで大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2026-04-12T07:51:29Z)
• PSY-STEP: Structuring Therapeutic Targets and Action Sequences for Proactive Counseling Dialogue Systems [32.922368484671196]
  動的で行動レベルのカウンセリングシーケンスと並行して自動思考を明示的に反映し,CBTカウンセリングをモデル化するデータセットSTEPを紹介する。 このデータセットを用いて、自動思考を積極的に引き起こし、認知的基盤を持つ介入を実行するカウンセリングエージェントであるSTEPPERを訓練する。 意思決定精度と共感応答性を両立させるため,シミュレート・シンセサイティング・カウンセリング・セッションに基づく選好学習によりSTEPPERを洗練する。
  論文  参考訳（メタデータ） (2026-04-06T05:47:47Z)
• PsyProbe: Proactive and Interpretable Dialogue through User State Modeling for Exploratory Counseling [14.53071190134928]
  PsyProbeはカウンセリングの探索フェーズ用に設計された対話システムである。 PPPPPIフレームワークを通じてユーザーの心理状態を追跡する。 文脈的に適切で前向きな質問を生成する。
  論文  参考訳（メタデータ） (2026-01-27T01:59:41Z)
• RECAP: Resistance Capture in Text-based Mental Health Counseling with Large Language Models [25.999840961471296]
  既存のNLPアプローチは、抵抗カテゴリーを単純化し、治療介入のシーケンシャルなダイナミクスを無視し、限定的な解釈性を提供する。 PsyFIREは、13のきめ細かい抵抗挙動を、協調的相互作用とともに捉えるための理論的な基盤となるフレームワークである。 PsyFIREに基づいて,実世界の中国語テキストベースのカウンセリングから23,930の注釈付き発話を用いたクライアントレジスタンスコーパスを構築した。 本稿では,抵抗型と細粒度抵抗型を説明付きで検出する2段階フレームワークRECAPを開発する。
  論文  参考訳（メタデータ） (2026-01-21T09:00:36Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
  我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。 我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。 MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-08-26T08:47:58Z)
• Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
  認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。 これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
  論文  参考訳（メタデータ） (2025-06-03T14:44:48Z)
• MIRROR: Multimodal Cognitive Reframing Therapy for Rolling with Resistance [33.081670638470165]
  我々は、非言語的な手がかりを取り入れたマルチモーダルアプローチを提案し、AIセラピストは、クライアントのネガティブな感情状態に応答をより良く整合させることができる。 具体的には、新しい合成データセットであるMirrorを導入し、クライアントのステートメントと対応する顔画像とをペアリングする新しい合成データセットについて紹介する。 その結果、MirrorはAIセラピストの抵抗処理能力を大幅に向上させ、既存のテキストベースのCBTアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-04-16T08:44:26Z)
• Model-Agnostic Meta-Attack: Towards Reliable Evaluation of Adversarial Robustness [53.094682754683255]
  モデル非依存型メタアタック(MAMA)アプローチにより,より強力な攻撃アルゴリズムを自動検出する。 本手法は、繰り返しニューラルネットワークによってパラメータ化された逆攻撃を学習する。 本研究では,未知の防御を攻撃した場合の学習能力を向上させるために,モデルに依存しない訓練アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-13T13:54:24Z)
• Facial Feedback for Reinforcement Learning: A Case Study and Offline Analysis Using the TAMER Framework [51.237191651923666]
  訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。 設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。 シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-23T17:50:57Z)

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。