論文の概要: DeepSAGE: Stage-Aware Reinforcement Learning for Structured CBT Counseling Dialogue
- arxiv url: http://arxiv.org/abs/2608.22615v1
- Date: Sun, 23 Aug 2026 21:40:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.802747
- Title: DeepSAGE: Stage-Aware Reinforcement Learning for Structured CBT Counseling Dialogue
- Title（参考訳）: DeepSAGE:構造化CBT言語対話のための段階認識強化学習
- Abstract要約: 認知行動療法(CBT)に基づく段階認識型カウンセリング対話のためのフレームワークDeepSAGEについて紹介する。
DeepSAGEはこのセッションを、明確な治療目的を持った11のステージとして表現し、外部コントローラがステージ完了を決定する。
DeepSAGEは、シミュレーションされたクライアントのエンゲージメントとオープン性を高め、ステージゴール完了と対話効率のバランスを最大化します。
- 参考スコア（独自算出の注目度）: 44.08107411670182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Model (LLM)-based counseling agents can generate fluent and supportive responses, but they often lack the structured, goal-directed progression required to conduct a coherent therapeutic session. We present DeepSAGE (Strategic AI Guidance Engine), a hybrid LLM--Deep Reinforcement Learning (DRL) framework for stage-aware counseling dialogue grounded in the first session of Cognitive Behavioral Therapy (CBT). DeepSAGE represents the session as eleven stages with explicit therapeutic objectives, with an external controller determines stage completion and the DRL model selects therapeutic intentions that guide LLM response generation. We evaluate DeepSAGE against six retrieval-, prompting-, stage-, and policy-based alternatives. DeepSAGE elicits higher simulated client engagement and openness and achieves the strongest balance of stage-goal completion and dialogue efficiency among stage-structured systems. Domain expert review further indicates that the generated conversations exhibit broadly plausible emotional trajectories and recognizable CBT processes. Because the evaluation relies primarily on simulated clients and model-based metrics, these findings demonstrate comparative dialogue-control improvements rather than clinical effectiveness. These results suggest that combining stage-structured dialogue with learned strategy selection is a promising approach for AI counseling, though clinical effectiveness, safety, and real-world utility require further human evaluation.
- Abstract（参考訳）: LLM(Large Language Model)ベースのカウンセリングエージェントは、流動的で支援的な応答を生成することができるが、コヒーレントな治療セッションを行うのに必要な構造化された目標指向の進行を欠くことが多い。
本稿では、認知行動療法(CBT)の第1セッションにおいて、段階認識カウンセリング対話のためのハイブリッドLLM-Deep Reinforcement Learning (DRL)フレームワークであるDeepSAGE(Strategic AI Guidance Engine)を紹介する。
外部コントローラがステージ完了を決定し、DRLモデルはLSM応答生成を導く治療意図を選択する。
我々は、DeepSAGEを6つの検索、プロンプト、ステージ、ポリシーベースの代替案に対して評価する。
DeepSAGEは、シミュレーションされたクライアントのエンゲージメントとオープン性を高め、ステージ-ゴール完了とステージ構造システム間の対話効率のバランスを最大化します。
ドメインエキスパートのレビューでは、生成された会話は、広範に妥当な感情的軌跡と認識可能なCBTプロセスを示すことが示されている。
評価は主にシミュレーションクライアントとモデルベースメトリクスに依存しているため、臨床効果よりも比較対話制御の改善が示される。
これらの結果は,段階的な対話と学習戦略の選択を組み合わせることが,AIカウンセリングに有望なアプローチであることを示唆している。
関連論文リスト
- 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) - A Principle-Driven Adaptive Policy for Group Cognitive Stimulation Dialogue for Elderly with Cognitive Impairment [46.48467561674335]
本稿では,グループ認知刺激対話システムを通じて実現された原則駆動適応政策を提案する。
まず,500時間以上の現実世界のCST会話と1万以上のシミュレーション対話を原則誘導シナリオシミュレーションによって生成したデータセットを構築した。
次に、GCSDシステムは、制限を克服するために、4つのコアモジュールを統合する。 (i) 役割混乱を解決するためのマルチスピーカコンテキストコントローラ、 (ii) 認知刺激に焦点を絞った注意損失、 (iv) 応答値を高めるための多次元報酬戦略。
論文 参考訳（メタデータ） (2026-03-01T15:43:21Z) - 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) - 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) - 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) - TRUST: An LLM-Based Dialogue System for Trauma Understanding and Structured Assessments [8.618945530676614]
本研究は,臨床症状を再現するLLMを用いた対話システムを開発することにより,メンタルヘルスアクセシビリティのギャップを埋めることを目的とする。
我々は、PTSDの正式な診断および評価を行うことができる協調LLMモジュールのフレームワークであるTRUSTを紹介する。
臨床医による時間と費用のかかる手動テストを置き換えるために,実生活の面接書に基づく患者シミュレーション手法を開発した。
論文 参考訳（メタデータ） (2025-04-30T17:58:06Z) - Crisp: Cognitive Restructuring of Negative Thoughts through Multi-turn Supportive Dialogues [75.16593367473259]
認知的再構成(Cognitive Restructuring, CR)は、個人の否定的思考を識別し、再構成することを目的とした精神療法のプロセスである。
既存の取り組みでは、単純なテキストの書き直し、固定パターンの対話、あるいはワンショットのCRワークフローを通じてCRを実装している。
本稿では,CRの新しいフレームワークであるCRDialを提案する。
論文 参考訳（メタデータ） (2025-04-24T04:22:00Z) - Script-Based Dialog Policy Planning for LLM-Powered Conversational Agents: A Basic Architecture for an "AI Therapist" [0.0]
大規模言語モデル(LLM)による会話エージェントは,行動医療の大規模サポートをユーザに提供する可能性を秘めている。
対話型エージェントにおける対話型ポリシー計画のための新しいパラダイムを導入し、専門家が書いた「スクリプト」に従って行動できるようにする。
我々は,異なるプロンプト技術を用いてスクリプトベースの対話ポリシー計画法を2種類実装し,LLM患者との合計100の会話を合成する。
論文 参考訳（メタデータ） (2024-12-13T12:12:47Z) - 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) - Therapy as an NLP Task: Psychologists' Comparison of LLMs and Human Peers in CBT [6.932239020477335]
大規模言語モデル(LLM)はアドホックセラピストとして使われている。
本研究は,ヒトカウンセラーのセッションレベルの行動と,同僚のチームが単一セッション認知行動療法を行うように促したLDMの行動とを比較した。
論文 参考訳（メタデータ） (2024-09-03T19:19:13Z)
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。