Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding

本篇文章属于LLM系列内容，主要对《Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts》这一文献进行翻译工作。

互动链：通过二元语境增强对精神病行为理解的大型语言模型

• 摘要
  • 1 引言
  • 2 数据资料
  • 3 交互提示序列
  • 4 实验分析
  • 5 研究成果
  • 6 相关研究
  • 7 总结归纳
  • 8 局限性分析

摘要

在动机访谈（MI）过程中，实现对患者行为的自动编码对于辅助心理治疗师做出决策具有重要意义，该方法是一种用于处理精神健康问题（如酗酒和药物依赖）的协作性沟通干预手段。尽管行为编码任务已迅速推动语言模型用于预测MI会话中患者的状态，但在实际应用中，缺乏特定领域的专业知识以及忽略患者与治疗师之间的互动关系仍然是开发和部署这些模型的主要障碍。为解决上述问题，我们提出了一种互动链（CoI）提示方法，旨在通过二元互动将大型语言模型（LLM）进行情境化处理，从而支持精神病理学相关的决策过程。CoI提示方法将编码任务结构化地划分为三个核心推理阶段：提取患者的参与程度、分析治疗师的问题策略，并整合患者与治疗师之间的双向互动。该方法使大型语言模型能够结合