当检索有帮助时：单轮心理健康 QA 的选择性检索

检索增强生成（RAG）可以提高 大语言模型 响应的特异性和基础性，但其效果在单轮心理健康问答中并不总是有益，其中用户查询通常结合了情绪困扰、治疗担忧和安全敏感需求。我们研究检索何时有助于或损害心理健康 QA，以及轻量级选择性检索策略是否可以更好地控制这种权衡。我们使用三个草稿条件的效用维度来操作检索需求：心理教育需求、应对需求和响应特异性，以及基于规则的安全触发器。遵循以心理治疗为基础的 RAG 系统（例如 coTherapist），我们构建了一个紧凑且可控的指南语料库，其中包括应对策略、心理教育和安全资源。我们使用 QLoRA 在 MentalChat16K 上微调指令调整生成器，并比较 CounselBench-Eval 和 CounselBench-Adv 上的 Closed-book、Always Retrieval 和 Selective Retrieval 设置。实验表明，检索在该领域并不总是有益的。始终检索可提高特异性，但会降低整体质量并引入额外的安全敏感故障。选择性检索保留了低需求情况的闭卷行为，同时避免了无条件检索引起的额外降级，支持检索激活是安全敏感控制决策的观点。