Rethinking the Alignment of Psychotherapy Dialogue Generation with Motivational Interviewing Strategies

要約

大規模言語モデル (LLM) の最近の進歩により、特に動機づけ面接 (MI) の文脈において、心理療法的な対話を生成することが期待できることが示されています。
しかし、心理療法のデリケートな性質を考慮すると、LLM の出力には本質的に透明性が欠如しており、重大な課題が生じています。
MI スキルのセットである MI 戦略を適用して、説明可能性を備えた、より制御可能な治療遵守の会話を生成することで、可能な解決策が得られます。
この研究では、まず LLM に推論として適切な戦略を予測するよう促し、次にこれらの戦略をその後の対話生成のガイドに利用することで、LLM と MI 戦略の整合性を探ります。
私たちは、そのような調整がより制御可能で説明可能な世代につながるかどうかを調査しようとしています。
心理療法対話の生成を調整する際の MI 戦略の有効性を検証するために、自動評価と人間による評価を含む複数の実験が実施されます。
私たちの調査結果は、戦略的に調整された対話を生み出す際の LLM の可能性を実証し、心理療法の現場での実際的な応用の方向性を示唆しています。

要約(オリジナル)

Recent advancements in large language models (LLMs) have shown promise in generating psychotherapeutic dialogues, particularly in the context of motivational interviewing (MI). However, the inherent lack of transparency in LLM outputs presents significant challenges given the sensitive nature of psychotherapy. Applying MI strategies, a set of MI skills, to generate more controllable therapeutic-adherent conversations with explainability provides a possible solution. In this work, we explore the alignment of LLMs with MI strategies by first prompting the LLMs to predict the appropriate strategies as reasoning and then utilizing these strategies to guide the subsequent dialogue generation. We seek to investigate whether such alignment leads to more controllable and explainable generations. Multiple experiments including automatic and human evaluations are conducted to validate the effectiveness of MI strategies in aligning psychotherapy dialogue generation. Our findings demonstrate the potential of LLMs in producing strategically aligned dialogues and suggest directions for practical applications in psychotherapeutic settings.

arxiv情報

著者 Xin Sun,Xiao Tang,Abdallah El Ali,Zhuying Li,Pengjie Ren,Jan de Wit,Jiahuan Pei,Jos A. Bosch
発行日 2024-12-17 16:44:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CL パーマリンク