MyMentorLLM: A psychotherapy GenAI environment with multimodal voice/text patients, trainees and experts for deliberate practice
MyMentorLLM 是一个基于生成式 AI 的多模态（语音/文本）心理治疗模拟环境，用于刻意练习。它生成了 2100 次完整的认知行为疗法（CBT）训练会话，每次会话连接一个基于 DSM-5-TR 的患者（患有重度抑郁症、广泛性焦虑症或边缘性人格障碍）、一名受训治疗师和一名专家督导。会话分析了情绪动态、治疗能力和诊断准确性。模拟患者表达了与障碍一致的情绪特征，受训治疗师如真实咨询中一样镜像了这些情绪。不同 LLM 的督导质量不同：大多数模型高估了受训者的能力，而原生语音到语音模型最接近人类评分。在 7 个 LLM 中，有 5 个的督导反馈改善了模拟治疗师的诊断，症状识别准确率随模型规模增大而提高。
发展脉络
- 首次出现MyMentorLLM: A psychotherapy GenAI environment with multimodal voice/text patients, trainees and experts for deliberate practicearXiv cs.AI
- 当前判断该研究将生成式 AI 应用于心理治疗培训，这是一个高监管、高专业门槛的领域。MyMentorLLM 证明了 AI 可以模拟患者、受训者和督导，并生成大量标准化训练数据。这可能会推动心理健康培训的规模化，但模型在评估中的偏差（如高估能力）需要谨慎处理。未来可关注类似系统在临床认证中的合规路径。Agent Pulse · 分析
MyMentorLLM 是一个用于心理治疗刻意练习的多模态（语音/文本）模拟环境，由研究团队提出。它生成了 2100 次完整的 CBT 训练会话，每次会话包含一个基于 DSM-5-TR 的模拟患者（三种障碍之一）、一名受训治疗师和一名专家督导。实验发现，模拟患者表现出与障碍一致的情绪特征，受训治疗师会镜像这些情绪，与真实咨询类似。督导质量因 LLM 而异：大多数模型高估了受训者的能力，但原生语音到语音模型（如 GPT-4o 的语音模式）的评分最接近人类专家。在 7 个 LLM 中，有 5 个的督导反馈显著改善了模拟治疗师的诊断准确性，且症状识别准确率随模型规模增大而提高。该工作展示了生成式 AI 在心理治疗培训中的潜力，但需注意模型在评估中的偏差。
MyMentorLLM 采用多模态（语音/文本）架构，结合 DSM-5-TR 驱动的患者模型和 CBT 结构化流程，实现了可扩展的刻意练习。关键发现是原生语音到语音模型在督导评分上最接近人类，表明端到端语音交互可能比级联系统更有效。此外，模型规模与诊断准确性正相关，提示更大模型在复杂心理评估中更有优势。未来可关注语音交互在心理治疗中的标准化评估方法。
该研究将生成式 AI 应用于心理治疗培训，这是一个高监管、高专业门槛的领域。MyMentorLLM 证明了 AI 可以模拟患者、受训者和督导，并生成大量标准化训练数据。这可能会推动心理健康培训的规模化，但模型在评估中的偏差（如高估能力）需要谨慎处理。未来可关注类似系统在临床认证中的合规路径。
MyMentorLLM 展示了生成式 AI 在专业培训领域的商业潜力，尤其是高成本、低规模的心理治疗行业。通过自动化模拟训练，可大幅降低专家督导的时间和成本，同时提供标准化评估。对于心理健康平台、培训机构和保险公司，这可能是一个新的效率工具。但需注意模型偏差可能带来的责任风险。
预计 1-2 年内，基于多模态 LLM 的心理治疗模拟系统将进入试点阶段，用于补充传统督导培训。关键信号包括：语音交互在临床评估中的标准化、模型偏差的缓解方法，以及监管机构对 AI 培训工具的认可。长期看，此类系统可能降低心理治疗培训成本，但需解决伦理和隐私问题。