论文
引导语言模型变得更具同理心：通过 Human-LLM 协作生成文化敏感的心理健康建议
Guiding Language Models to Be More Empathetic: Culturally Sensitive Mental Health Advice Generation Through Human-LLM Collaboration
摘要
尽管 大语言模型 (LLM) 最近取得了进展，但它们以低资源语言产生同理心心理健康咨询反应的能力在很大程度上仍未得到探索。为了弥补这一差距，我们从三个互补来源收集了 625 个真实的心理健康案例：(1) 讨论心理健康问题的公开 Facebook 帖子，(2) 孟加拉国电视节目“Ami Akhon Ki Korbo”的文字记录，以及 (3) 涵盖各种情感和心理挑战的匿名学生问卷调查。基于这些案例，我们建立了一个评估语料库，其中包括由持照临床心理学家撰写的建议以及由三个现代专有 LLM 生成的回答：GPT-4o Mini、Claude 4.5 Haiku 和 Gemini 2.5 Pro。我们进一步提出了角色扮演反思性思想链咨询框架（RP-RCAF），这是一种针对特定任务的提示策略，将专家撰写的少量示例与结构化的自我反思相结合，通过富有同情心的顾问角色提供支持性的、文化意识和道德一致的咨询。我们还介绍了基于 Grok 4 的反应评估和评分框架 (G-REFS)，该框架将自动评估与专家心理学家在情感敏感性、文化适宜性、语言清晰度和道德健全性方面的验证相结合。实验结果表明，在所有评估模型中，RP-RCAF 始终优于传统提示，并产生与专业心理咨询更加一致的反应。