論文の概要: Cognivia: A Cognitive Behavioral Therapy Copilot for Evidence-Based Mental Healthcare
- arxiv url: http://arxiv.org/abs/2607.25681v1
- Date: Tue, 28 Jul 2026 12:56:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.843792
- Title: Cognivia: A Cognitive Behavioral Therapy Copilot for Evidence-Based Mental Healthcare
- Title（参考訳）: 認知行動療法のコパイロット「Cognivia」
- Abstract要約: 認知的歪曲は否定的な感情を増幅し、精神的な健康障害に寄与する。
本稿では,認知歪みの自動識別と合理的応答生成を統合したエビデンスベースの人工知能セラピストであるCogniviaを提案する。
コグニビアは、語彙メトリクス、LLMに基づく2つの相補的な基準を持つ裁判官、行動科学の専門家10人による人的評価を用いて評価される。
- 参考スコア（独自算出の注目度）: 15.515996576316342
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cognitive distortion amplifies negative emotions and contributes to mental health disorders. Cognitive Behavioral Therapy (CBT) is an effective way to address cognitive distortions, but its large-scale application is limited by the shortage of professional therapists. Although large language models (LLMs) have recently been explored for mental health applications, existing methods still suffer from limited domain specificity, overly flattering responses, and the absence of well-defined annotations for cognitive distortions. This paper proposes Cognivia, an evidence-based artificial intelligence therapist that integrates automatic cognitive distortion identification and rational response generation. Our framework is built on authoritative CBT texts widely regarded as core paradigms and standard references. It is further augmented with mental health question-answer (Q and A) data, and employs multi-stage prompting and structured generation strategies under the supervision of behavioral science experts. Then we fine-tune a lightweight LLM on this augmented CBT dataset to obtain Cognivia. In addition, we propose the first hierarchical quality evaluation framework for assessing LLM-generated rational responses, developed through collaboration between AI researchers and behavioral science experts. Cognivia is evaluated using lexical metrics, LLM-based Judges with two complementary criteria, and human evaluation by 10 behavioral science experts. It consistently outperforms the baseline methods in cognitive distortion recognition and rational response generation, demonstrating its effectiveness. Our code is available at https://github.com/SNOWTEAM2023/Cognivia.
- Abstract（参考訳）: 認知的歪曲は否定的な感情を増幅し、精神的な健康障害に寄与する。
認知行動療法(CBT)は認知の歪みに対処する有効な方法であるが、その大規模応用はプロのセラピストの不足によって制限される。
大規模言語モデル(LLM)は近年、メンタルヘルスの応用のために研究されているが、既存の手法では、ドメインの特異性に制限があり、応答が過度に平坦になり、認知歪みに対する明確なアノテーションが欠如している。
本稿では,認知歪みの自動識別と合理的応答生成を統合したエビデンスベースの人工知能セラピストであるCogniviaを提案する。
我々のフレームワークは、コアパラダイムや標準参照として広く見なされている権威的なCBTテキストに基づいて構築されている。
メンタルヘルスの質問回答(QとA)データによってさらに強化され、行動科学の専門家の監督の下で、多段階的なプロンプトと構造化された生成戦略を採用している。
次に、この拡張 CBT データセット上に軽量 LLM を微調整して、Cognivia を得る。
さらに,AI研究者と行動科学の専門家の協調によって開発されたLCM生成合理的応答を評価するための,最初の階層的品質評価フレームワークを提案する。
コグニビアは、語彙メトリクス、LLMに基づく2つの相補的な基準を持つ裁判官、行動科学の専門家10人による人的評価を用いて評価される。
認知歪み認識と合理的応答生成において、ベースライン法を一貫して上回り、その効果を示す。
私たちのコードはhttps://github.com/SNOWTEAM2023/Cogniviaで利用可能です。
関連論文リスト
- Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation [12.273252267253385]
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。
論文 参考訳（メタデータ） (2026-04-19T00:39:04Z) - Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。
我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。
複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
論文 参考訳（メタデータ） (2025-11-20T18:59:00Z) - Think Socially via Cognitive Reasoning [94.60442643943696]
本稿では,人間の社会的認知をモデルとした認知推論について紹介する。
CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
論文 参考訳（メタデータ） (2025-09-26T16:27:29Z) - Data Augmentation for Cognitive Behavioral Therapy: Leveraging ERNIE Language Models using Artificial Intelligence [0.0]
今日のデジタル時代には、個人はしばしばソーシャルメディアで否定的な感情を表現している。
これらの認知経路を分析するために設計された方法論には大きなギャップがある。
認知行動療法(CBT)フレームワークは、受容、コミットメント、データ拡張を利用して、テキストコンテンツと視覚コンテンツの両方を肯定的または否定的に分類し、対処する。
論文 参考訳（メタデータ） (2025-06-30T03:59:00Z) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - 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) - Are Large Language Models Possible to Conduct Cognitive Behavioral Therapy? [13.0263170692984]
大規模言語モデル(LLM)が検証され、心理的補助療法の新たな可能性を提供する。
精神保健の専門家は、LSMを治療に使用することについて多くの懸念を抱いている。
自然言語処理性能に優れた4つのLLM変種を評価した。
論文 参考訳（メタデータ） (2024-07-25T03:01:47Z) - The Efficacy of Conversational Artificial Intelligence in Rectifying the Theory of Mind and Autonomy Biases: Comparative Analysis [0.0]
メンタルヘルス介入における会話型人工知能(CAI)の展開の増加は、認知バイアスの是正と人間とAIの相互作用に対する影響の認識において、その効果を評価する必要がある。
本研究の目的は、認知バイアスの同定と修正およびユーザインタラクションへの影響認識における汎用言語モデル(GPT-3.5, GPT-4, Gemini Pro)に対する治療用チャットボットの有効性を評価することである。
論文 参考訳（メタデータ） (2024-06-19T20:20:28Z) - AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts [27.240795549935463]
ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。
我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。
本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-04-17T14:55:27Z) - HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。
この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。
我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
論文 参考訳（メタデータ） (2024-02-26T09:10:34Z) - 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) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z)
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。