PatientAct：基于理论的心理健康客户模拟

基于 LLM 的模拟客户端越来越多地用于培训新手咨询师、评估 LLM 治疗师以及生成综合数据。然而，当前的模拟器产生过度合作的客户，他们太容易透露，毫无抵抗地接受治疗重构，并在单个会话中解决核心问题。我们将这些问题追溯到缺乏因果深度和行为机制的配置文件，这些配置文件将所有内容视为平等可访问的。我们提出 PatientAct，一个基于既定临床理论的客户模拟框架。我们的概况整合了 5P 临床病例表述，提供因果深度，而不将设计与任何单一治疗方式联系起来。在模拟过程中，配置文件包括一个动态记忆层，其中的项目带有信任阈值（例如，症状很早就可用，而形成性记忆则需要持续的治疗联盟）。在每个回合，客户的情绪反应和行为都会在生成响应之前进行建模。如果治疗师接近封闭的内容，PatientAct 会在数量、内容和风格方面表达抵抗，而不是默认合作或单一抵抗模式。我们在 40 种临床情况下评估了我们的框架，并证明它生成了具有高度临床合理性的多样化特征。此外，PatientAct 的表现显着优于基线，在抵抗质量和行为真实性方面取得了显着的进步。我们的代码和数据可通过 github.com/Sahandfer/PatientHub 公开获取。