心理竞技场：用于心理健康疾病诊断和治疗的语言模型自我训练
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对心理健康疾病诊断和治疗中的数据隐私问题，通过提出心理竞技场这一自我训练框架，生成特定领域的个性化数据。研究展示了利用症状编码器和解码器来模拟患者和治疗师的对话，以更准确地进行个性化诊断。模型在多个基准测试中表现优异，展示了其在个性化护理研究中的潜在影响。
研究首次全面评估多种大语言模型在心理健康预测中的表现，包括Alpaca、Alpaca-LoRA和GPT-3.5。实验涵盖零样本、少样本提示和指令微调。结果显示，指令微调显著提升性能，最佳模型Mental-Alpaca在精度上超越GPT-3.5，并与先进模型相媲美。研究为改进LLMs在心理健康领域的应用提供了指导。
