Training Models to Generate, Recognize, and Reframe Unhelpful Thoughts

要約

役に立たない考えを認識して再構成するなど、幸福への認知的アプローチの多くは、過去数十年にわたってかなりの経験的支持を受けてきましたが、依然として自己啓発形式で真に広く採用されていません。
その導入を妨げる障壁は、適切に具体的で多様な専用の実践資料が不足していることです。
この研究では、現在の言語モデルを活用して、特定のコンテキストに一致する標準的な役に立たない思考パターンを示す実践資料を事実上無制限に生成できるかどうか、および適切なポジティブなリフレーミング提案を生成できるかどうかを検討します。
私たちは、特定のペルソナに条件付けされた役に立たない思考パターンを含む思考の約 10,000 例と、約 27,000 のポジティブなリフレーフレームを伴う、新しいデータセットである PATTERNREFRAME を提案します。
このデータセットを使用して現在のモデルをトレーニングおよび/または評価することにより、既存のモデルがすでに、追加のモデル トレーニングがまったくまたは最小限で、カスタマイズされた実践資料や仮説を豊富に生成するのに役立つ強力なツールとなり得ることを示します。

要約(オリジナル)

Many cognitive approaches to well-being, such as recognizing and reframing unhelpful thoughts, have received considerable empirical support over the past decades, yet still lack truly widespread adoption in self-help format. A barrier to that adoption is a lack of adequately specific and diverse dedicated practice material. This work examines whether current language models can be leveraged to both produce a virtually unlimited quantity of practice material illustrating standard unhelpful thought patterns matching specific given contexts, and generate suitable positive reframing proposals. We propose PATTERNREFRAME, a novel dataset of about 10k examples of thoughts containing unhelpful thought patterns conditioned on a given persona, accompanied by about 27k positive reframes. By using this dataset to train and/or evaluate current models, we show that existing models can already be powerful tools to help generate an abundance of tailored practice material and hypotheses, with no or minimal additional model training required.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google