MASC：心理咨询角色的多 Agent 自校准

大语言模型越来越多地用于模拟客户，以进行咨询师训练和心理咨询研究，但可靠的模拟要求客户在长时间的互动中保持心理一致。现有的角色扮演方法很大程度上依赖于静态的个人资料提示，可能会表现出角色漂移、不切实际的合作性或不一致的心理状态、交流行为和情绪。现有的评估还缺乏针对稳定的客户特征和不断变化的心理动态的统一测试平台。我们提出 MASC，一个 Multi-智能体自我校准框架，具有潜在的构造对齐，可在心理咨询中实现一致的客户角色扮演。 MASC 将构造引导生成、协作细化、一致性验证和基于记忆的修订结合在一个封闭的校准循环中，随着对话的展开，检测并纠正不一致之处。我们进一步介绍了 CRPC-Bench，这是一个涵盖会话级个人资料信息和大五人格特征以及回合级心理状态、沟通行为和情绪表达的基准。 CRPC-Bench 包含 38 份动机性访谈客户资料，并添加了个性和情感注释。实验表明，MASC 在轮廓、个性、接受性和回合级别一致性方面优于现有方法，异构配置实现了最强的整体性能。 MASC 和 CRPC-Bench 为开发和评估用于 AI 辅助咨询研究和训练的心理一致客户模拟提供了统一的基础。