論文の概要: Training Therapeutic Judges and Multi-Agent Systems for Human-Aligned Mental Health Support

• arxiv url: http://arxiv.org/abs/2606.30887v1
• Date: Mon, 29 Jun 2026 20:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.996932
• Title: Training Therapeutic Judges and Multi-Agent Systems for Human-Aligned Mental Health Support
• Title（参考訳）: ヒトのメンタルヘルス支援のためのトレーニング・セラピー・ジャッジとマルチエージェント・システム
• Abstract要約: そこで我々は,人手による評価によって引き起こされる決定補充問題として,治療応答生成を定式化する枠組みを提案する。 TheraJudgeはオープンソースの治療評価ツールであり,ヒトの注釈付きデータに対する嗜好に基づく最適化によって訓練されている。 TheraJudgeの評価を協調的な精錬プロセスを通じて運用するTheraAgentについて紹介する。
• 参考スコア（独自算出の注目度）: 22.031194303408792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models show promise for mental health support, yet therapeutic quality improves only when evaluation functions as an actionable control signal rather than a passive metric. We introduce a framework that formulates therapeutic response generation as a decision-refinement problem driven by multi-dimensional, human-aligned evaluation. In Stage I, we introduce TheraJudge, an open-source therapeutic evaluator trained via preference-based optimization on human-annotated data to produce reliable judgments across 7 psychological dimensions. In Stage II, we introduce TheraAgent, which operationalizes TheraJudge's evaluations through a coordinated refinement process with specialized Critic, Coach, and Therapist roles that translate evaluative signals into targeted response revisions. Empirically, TheraJudge achieves strong agreement with clinician ratings, with intraclass correlation coefficients (ICC = 0.87-0.95), surpassing supervised baselines and strong closed-source judges, particularly on critical dimensions such as Safety, Relevance, and Empathy. Acting on these evaluations, TheraAgent yields a +0.43 improvement in human-rated therapeutic quality (on a 5-point scale) under blind evaluation, with 96\% clinician inter-rater reliability. Low-quality responses ($\leq 3$) improve by +2.45 points with a 94\% recovery rate, demonstrating targeted correction of unsafe outputs. Overall, our results indicate that effective alignment of mental-health LLMs stems from acting on human-aligned evaluation, rather than relying solely on stronger generation. We release code at https://github.com/vis-nlp/TheraAlign.
• Abstract（参考訳）: 大規模言語モデルは、精神的な健康支援を約束するが、治療的品質は、受動的メトリックではなく、行動可能な制御信号として機能する場合にのみ改善される。 本稿では,多次元の人的アライメント評価によって引き起こされる決定補充問題として,治療応答生成を定式化する枠組みを提案する。 TheraJudgeは、7つの心理的次元にまたがって信頼性の高い判断を下すために、人間の注釈付きデータに対する嗜好に基づく最適化によって訓練されたオープンソースの治療評価ツールである。 TheraJudgeの評価を専門の批評家、コーチ、セラピストと協調するプロセスを通じて運用するTheraAgentを導入し、評価信号を対象の応答修正に翻訳する。 経験的に、TheraJudgeは、特に安全性、関連性、共感といった重要な側面において、監督された基準線と強力なクローズソース判断を超越した、クラス内相関係数 (ICC = 0.87-0.95) で、臨床評価と強く一致している。 これらの評価に基づいて、TheraAgentは、ブラインド評価の下で、人格治療の質(5点スケール)を+0.43改善し、臨床医間の信頼性は96.%である。 低品質のレスポンス(\leq 3$)は、94\%のリカバリレートで+2.45ポイント改善され、安全でない出力のターゲットの修正が示された。 以上の結果から,精神保健 LLM の効果的なアライメントは,より強い世代にのみ依存するのではなく,ヒトのアライメント評価に作用することが示唆された。 私たちはhttps://github.com/vis-nlp/TheraAlign.comでコードをリリースします。

関連論文リスト

• A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
  手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。 本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。 本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
  論文  参考訳（メタデータ） (2026-05-25T05:31:44Z)
• Speech-based Psychological Crisis Assessment using LLMs [15.893490778343198]
  本稿では,危機レベル自動分類のための大規模言語モデル(LLM)に基づくフレームワークを提案する。 音声会話における感情信号をよりよく捉えるために,パラ言語的注入法を導入する。
  論文  参考訳（メタデータ） (2026-05-11T05:50:51Z)
• Detecting Stealth Sycophancy in Mental-Health Dialogue with Dynamic Emotional Signature Graphs [4.002154823241671]
  最終審査員として大規模言語モデルに頼ることなく,多言語対応対話の評価を行う。 直接LLM判定器と対称テキスト類似度測定器は治療品質に不適合であることが判明した。 この問題に対処するため,動的感情署名グラフ(DESG)を提案する。 DESGは、分離された臨床状態を持つ対話ウィンドウを表現し、非対称な臨床幾何学を用いてそれらをスコアする。
  論文  参考訳（メタデータ） (2026-05-05T07:56:20Z)
• TherapyGym: Evaluating and Aligning Clinical Fidelity and Safety in Therapy Chatbots [24.894881768337125]
  THERAPYGYMは、治療用チャットボットを2つの臨床柱に沿って評価し、改善するフレームワークである。 LLMに基づく審査員のバイアスと信頼性の低下を緩和するため、1270名の専門家による116の対話の検証セットであるTheraPyJUDGEBENCHをリリースする。
  論文  参考訳（メタデータ） (2026-02-23T06:05:01Z)
• Conversation for Non-verifiable Learning: Self-Evolving LLMs through Meta-Evaluation [56.84819098277464]
  CoNLは、マルチエージェントのセルフプレイを通じて生成、評価、メタ評価を統合するフレームワークである。 CoNLは、安定したトレーニングを維持しながら、自己回帰ベースラインよりも一貫した改善を実現している。
  論文  参考訳（メタデータ） (2026-01-29T09:41:14Z)
• Assessing the Quality of Mental Health Support in LLM Responses through Multi-Attribute Human Evaluation [14.243791046586347]
  継続的な治療のギャップ、可用性、資格あるセラピストの不足を特徴とする世界的なメンタルヘルス危機のエスカレートは、スケーラブルなサポートのための有望な道として、Large Language Models (LLMs) を位置づけている。 本稿では,治療対話におけるLLM生成応答の評価を目的とした人為的評価手法を提案する。
  論文  参考訳（メタデータ） (2026-01-26T16:04:19Z)
• Automated Rubrics for Reliable Evaluation of Medical Dialogue Systems [19.880569341968023]
  大規模言語モデル(LLM)は、幻覚や安全でない提案が患者の安全に直接的なリスクをもたらすという、臨床的な意思決定支援にますます利用されている。 本稿では,インスタンス固有の評価ルーリックの自動生成を目的とした検索拡張型マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-21T16:40:41Z)
• DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
  大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。 本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
  論文  参考訳（メタデータ） (2025-10-24T08:01:21Z)
• Ψ-Arena: Interactive Assessment and Optimization of LLM-based Psychological Counselors with Tripartite Feedback [51.26493826461026]
  大規模言語モデル(LLM)の総合的評価と最適化のための対話型フレームワークであるPsi-Arenaを提案する。 アリーナは、心理学的にプロファイルされたNPCクライアントとの多段階対話を通じて現実世界のカウンセリングをシミュレートする現実的なアリーナ相互作用を特徴としている。 8つの最先端のLLM実験は、異なる実世界のシナリオと評価の観点で大きなパフォーマンス変化を示す。
  論文  参考訳（メタデータ） (2025-05-06T08:22:51Z)
• Pairwise or Pointwise? Evaluating Feedback Protocols for Bias in LLM-Based Evaluation [57.380464382910375]
  評価のためのフィードバックプロトコルの選択は,評価信頼性に大きく影響し,系統的なバイアスを生じさせることを示す。 ジェネレータモデルは、気を散らす機能を埋め込むことで好みをひっくり返すことができる。 我々は,データセットの特徴と評価目標に基づくフィードバックプロトコルの選択を推奨する。
  論文  参考訳（メタデータ） (2025-04-20T19:05:59Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。