SoulChat：提升大模型共情能力的心理健康对话系统

SoulChat简介

SoulChat是由华南理工大学未来技术学院-广东省数字孪生人重点实验室开发的中文领域心理健康对话大模型。它通过混合长文本咨询指令和多轮共情对话数据的微调,显著提升了大模型在心理咨询场景中的"共情"能力。

SoulChat的开发团队发现,当前的大语言模型在应用于心理咨询领域时,往往倾向于快速给出普遍性的建议,而缺乏必要的倾听和共情过程。然而,寻求心理支持的用户更需要的是获得理解、信任和情感上的安慰,而不仅仅是一些合理的建议。

为了解决这一问题,SoulChat项目构建了一个包含超过200万个样本的多轮共情对话数据集SoulChatCorpus。这个数据集的输入是多轮对话上下文,输出则是包含提问、安慰、认可、倾听、信任和情感支持等表达的共情回应。通过使用这样的数据集进行微调,SoulChat显著增强了大语言模型的共情能力。

SoulChat的主要特点

1. 渐进式倾诉过程: 不同于传统的单轮长文本咨询模式,SoulChat模拟了真实心理咨询中的多轮交互过程,引导用户逐步倾诉。

2. 增强的共情能力: 通过大规模多轮共情对话数据的训练,SoulChat能够更好地理解用户的情感状态,并给予适当的情感支持。

3. 平衡的建议能力: SoulChat在保持共情能力的同时,也保留了提供合理建议的能力,为用户提供全面的心理支持。

4. 安全性考虑: SoulChat的开发团队特别注意了模型输出的安全性,过滤了可能存在隐私风险、安全问题或政治风险的样本。

5. 多场景适用: SoulChat可以应对失恋、人际关系、学习压力、工作压力等多种常见的心理困扰场景。

SoulChat的技术实现

SoulChat基于ChatGLM-6B模型进行了全量参数的指令微调。训练数据包括:

• SoulChatCorpus-single_turn: 超过15万规模的单轮长文本心理咨询指令与答案
• SoulChatCorpus-multi_turn: 约100万轮次的多轮回答数据
• SoulChatCorpus: 混合上述两种数据,构造成超过120万个样本的单轮与多轮混合共情对话数据集

这种混合数据集的设计旨在平衡模型的共情能力和建议能力,使SoulChat既能够进行温和的引导和倾听,又能在适当的时候提供有价值的建议。

SoulChat的应用示例

以下是SoulChat在几个典型场景中的表现示例:

1. 失恋场景: SoulChat能够理解用户的伤心情绪,给予安慰和支持,同时也会引导用户积极面对未来。

2. 宿舍关系: 对于宿舍人际关系问题,SoulChat会耐心倾听用户的困扰,并提供一些改善人际关系的建议。

3. 期末考试压力: SoulChat会认可学生面临的压力,给予情感支持,同时也会提供一些实用的学习和减压建议。

4. 科研压力: 对于面临科研压力的用户,SoulChat会表示理解和同情,同时鼓励用户合理规划时间,保持积极心态。

SoulChat的社会影响

SoulChat项目自发布以来,已经引起了广泛的社会关注。多家媒体,包括人民日报、中国网、光明网等,都对SoulChat进行了报道。这反映了社会对于人工智能在心理健康领域应用的巨大兴趣和期待。

SoulChat的开发团队希望,这个项目能够帮助学术界加速大模型在心理咨询等主动健康领域的研究与应用。他们强调,SoulChat的目标是作为一个倾听者和初步的心理支持工具,而不是替代专业的心理医生。

SoulChat的未来发展

SoulChat团队计划在未来发布新版本的模型,这些模型将适配多个开源模型和多个参数量级。这将使研究者能够更方便地使用SoulChat进行对比实验研究。

同时,团队也在持续优化数据集,以进一步提升模型的安全性和有效性。他们鼓励社区参与到SoulChat的开发中来,共同推动心理健康AI的发展。

结语

SoulChat代表了人工智能在心理健康领域应用的一个重要尝试。通过提升大模型的共情能力,SoulChat为用户提供了一个随时可用的心理支持工具。尽管它不能替代专业的心理咨询,但在提供初步支持和引导用户寻求进一步帮助方面,SoulChat显示出了巨大的潜力。

随着技术的不断进步和数据的持续优化,我们可以期待像SoulChat这样的AI心理健康助手在未来发挥更大的作用,为更多人的心理健康提供有力支持。