知识卡片：逐招拆解：测量与引导大语言模型如何开展心理治疗

• 英文标题：Move by Move: Measuring and Steering How LLMs Conduct Psychotherapy
• 英文关键词：LLM psychotherapy; therapeutic moves; ontology; alignment; emotional support

一句话结论

前沿大语言模型在心理治疗式对话中表现出“过度使用询问、忽视心理教育、强情境锚定”等可测量模式；将十种治疗动作本体（ontology）作为工具集暴露给模型，可在不微调的情况下显著缩小模型与人类治疗师之间的行为差距。

事件概述或研究问题

用户越来越多地使用大语言模型寻求情感支持，但学界对模型如何实际开展心理治疗式互动知之甚少。本文试图回答：模型驱动的会话中，模型采取了哪些“治疗动作”？与人类临床医生相比有何差异？能否在不微调的情况下，通过外部工具暴露来引导模型更接近人类治疗师？

方法/产品要点

• 基于 MULTI-60 清单构建了一个由十种“治疗动作”组成的本体，类别紧凑且以功能为导向。十种动作的具体名称与定义待核实。
• 通过五名持证心理学家的标注活动验证本体；随后使用一种“基于评判器（judge）的方法”将标注扩展到大模型输出上，其一致性可与专家标注水平相当。评判器具体实现待核实。
• 将本体应用于真实咨询记录与模型主导的会话，比较人类临床医生与一组前沿模型的动作分布。
• 将本体以一组工具的形式暴露出来，考察是否无需微调即可改变模型行为。

主要结果或产业意义

• 模型过度使用“询问”动作，最高达到人类频率的三倍；同时忽视“心理教育”动作。
• 模型行为呈现强情境锚定：当人类临床医生先发起某种策略时，模型会延续该策略，但很少自己发起新策略。
• 将本体作为工具集暴露后，模型动作分布与人类分布的平均偏差大约减半，回合级与人类治疗师的对齐提高 7-9 个百分点，且无需微调。
• 产业意义：该本体有可能成为可解释的 AI 心理支持质量评估工具，也为不修改模型权重的情况下动态引导模型行为提供了新思路。

为什么重要

• 本文提出了一个可测量、可比较的“治疗动作”词汇表，使 LLM 的心理治疗行为不再只是笼统印象，而能被系统刻画和干预。
• 与只关注模型训练/压缩的技术路线不同，本条展示了在推理期通过工具暴露来引导模型行为的方式，属于无需微调的轻量对齐路径。

局限与不确定性

• 十种治疗动作的具体名称、定义、标注规则待核实。
• “基于评判器的方法”的架构、训练数据、与专家一致性数值待核实。
• 所比较的“前沿模型”具体型号与数量待核实。
• 模型主导会话的设定（如提示词、话题、轮次长度）待核实。
• 真实咨询记录的来源、规模、伦理与隐私处理待核实。
• “工具集”如何暴露给模型（如函数调用、上下文指令、插件）未在摘要中说明，待核实。
• “平均偏差减半”的具体量化指标、是否跨模型泛化等细节待核实。

可用于图书/PPT/简报的角度

• 从“招/步”切入：心理治疗对话可以被拆成可编码的“动作”，AI 也不例外。
• 警惕 AI 聊天机器人的“提问上瘾”：过度询问不是共情，而是可测量的行为偏差。
• 不微调也能“调教”模型？用外部工具暴露行为规范，实现轻量对齐。
• 用同一份本体同时做测量与引导：从评估到干预的闭环设计。

原始材料

• 英文标题：Move by Move: Measuring and Steering How LLMs Conduct Psychotherapy
• arXiv ID：2608.21325v1
• 作者：Afonso Baldo, Hugo Pitorro, Areti Vassilopoulos, Anabela C. Areias, Maya D'Eon, Fabíola Costa, Ricardo Rei, Nuno M. Guerreiro
• 发布时间：2026-08-21
• 分类：cs.CL
• URL：https://arxiv.org/abs/2608.21325v1
• PDF：https://arxiv.org/pdf/2608.21325v1