使用 LLM 基于言语的心理危机评估

心理支持热线为经历心理健康紧急情况的个人提供关键支持，但目前的评估很大程度上依赖于操作人员，他们的判断可能会因专业经验而异，并且受到有限的人力资源的限制。本文提出了一种基于大语言模型（LLM）的自动化危机级别分类框架，这是支持许多下游任务并提高热线服务整体质量的关键指标。为了更好地捕获口语对话中的情感信号，我们引入了一种副语言注入方法，将识别的非语言情感线索插入到语音记录中，使基于 LLM 的推理能够融入关键的声学细微差别。此外，我们提出了一种推理增强训练策略，该策略训练模型生成诊断推理链作为辅助任务，作为提高分类性能的正则器。结合数据增强，我们的最终系统在 5 倍交叉验证下的三类分类任务上实现了 0.802 的宏观 F1 分数和 0.805 的准确率。