borderline personality disorder
PulseAugur coverage of borderline personality disorder — every cluster mentioning borderline personality disorder across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI环境MyMentorLLM模拟心理治疗培训课程
研究人员开发了MyMentorLLM，这是一个多模态生成式人工智能环境，用于培训心理治疗师。该系统模拟认知行为疗法（CBT）课程，整合了模拟患者、学员和专家导师之间的语音和文本交互。初步研究结果表明，虽然大多数LLM高估了学员的能力，但本地语音到语音模型提供的反馈最接近人类评分，并且更大的模型提高了诊断准确性。该研究强调了人工智能在CBT刻意练习中的潜力，同时也指出了患者保真度和导师校准等有待改进的领域。
-
GPT-4.1 管道分析 X 上的阿拉伯语心理健康话语
研究人员开发了一个使用 GPT-4.1 分析阿拉伯语 X（前身为 Twitter）社区心理健康话语的新型管道。该研究检查了 8,147 条与边缘性人格障碍、双相情感障碍和注意力缺陷多动障碍相关的推文，识别出与每种疾病相关的独特语言模式。研究结果表明，双相情感障碍的讨论经常包含宗教和医学术语，边缘性人格障碍的推文侧重于人际关系和情绪困扰，而注意力缺陷多动障碍的对话通常围绕实际症状和药物治疗。
-
eMoT框架通过记忆和符号锚定增强LLM推理能力
研究人员推出eMoT框架，旨在提高大型语言模型在多步推理任务中的可靠性。eMoT将轨迹视为演进的记忆来稳定推理，包含一个记忆腐蚀机制以强化有用结构，以及一个使用Python进行确定性计算的符号锚定引擎。该方法旨在减少幻觉并提高数值准确性，在Game of 24和GSM8K等基准测试中取得了显著的进步，即使是较小的模型也能实现。
-
大型语言模型在通过文本诊断人格障碍方面优于心理健康专家
一项新研究评估了大型语言模型（特别是Gemini Pro）在根据自传体叙述诊断人格障碍方面与心理健康专业人士的对比情况。虽然大型语言模型在整体诊断评分上表现更高，尤其是在边缘性人格障碍方面，但它们在诊断自恋型人格障碍方面存在显著不足。模型提供了详细的、以模式为中心的理由，这与人类专家的更简洁、以患者为中心的方法形成对比，突显了大型语言模型临床评估中潜在的偏见和可靠性问题。