motivational interviewing
PulseAugur coverage of motivational interviewing — every cluster mentioning motivational interviewing across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
LLM咨询师可以在动机性访谈中用关系协调来换取目标坚持性
研究人员开发了一种优化大型语言模型（LLM）用于动机性访谈（一种治疗技术）的方法。通过在AnnoMI语料库的数据上使用直接偏好优化（DPO），他们训练模型来平衡“目标坚持性”（GP）和“关系协调性”（RA）。研究发现，惩罚对抗性能够可靠地降低Qwen和Llama等不同LLM家族的目标坚持性，而关系协调性的提升则不一致。惩罚屈服几乎没有效果，因为模型在策略内很少表现出这种行为。
-
新型AI模型MIThinker提升动机性访谈咨询效果
研究人员开发了MIThinker，一种旨在提高AI代理在动机性访谈咨询中有效性的新型思考模型。这个轻量级模型能够生成治疗性思考，以指导策略选择和响应生成，弥补了现有LLM咨询师与咨询技术缺乏明确对齐的不足。为了克服标注思考数据稀缺的问题，创建了一个名为AugR1-MI的自动化流程，用于从观察到的响应中推断咨询师的思考。评估表明，使用MIThinker的代理MindfulMI，在MI能力方面可与最先进的系统相媲美，同时所需的计算资源显著减少。
-
新的CALM-IT框架增强了AI生成的动机式访谈对话
研究人员开发了CALM-IT，一个旨在生成更逼真、更有效的长篇动机式访谈对话的新框架。该系统明确地模拟了客户和咨询师不断变化的状态，以指导治疗策略和话语生成。在使用大量合成对话语料库进行的评估中，CALM-IT在同理心和伙伴关系等关键指标上优于现有方法，并实现了较高的客户接受率。
-
新框架StoryMI使用多LLM智能体生成可控的治疗对话
研究人员开发了StoryMI，一个新颖的多LLM智能体框架，旨在为动机性访谈（MI）生成治疗对话。该系统将客户档案扩展到叙事背景中，使不同的治疗师和客户智能体能够生成MI编码的言语。一个交互智能体在整个对话过程中动态管理MI策略，并使用词汇指标、MI特定指标和专家评估进行评估。该框架旨在提高模拟心理治疗对话中MI的依从性和临床合理性。
-
新AI方法可自动编码治疗会话
研究人员开发了一种新方法，利用音频语言模型（ALMs）自动编码动机性访谈（MI）会话。该方法分析口语和声学线索，整合来自多条推理路径的预测以提高准确性。多模态自洽性技术实现了46.40%的宏观F1分数，优于基线方法，并表明结合语言和非语言信号可提高MI编码的可靠性。