本文探讨了大型语言模型（LLMs）在机器人和人机交互（HRI）中的应用潜力，实验结果显示其性能与定制模型相当。研究分析了LLMs在心理健康支持和社交机器人对话中的优势与挑战，包括准确性、偏见和隐私问题。未来需要优化LLMs，以提高其在临床实践中的有效性和安全性。

该文综述对话AI安全研究，涵盖利用检索框架减少聊天机器人偏见与风险、借助Reddit数据提升开放域对话、构建中文社交语料SocialDial，以及提出CGRG、DialGuide、DIALGEN等框架，通过微调与社交感知损失生成亲社会回复；在心理健康支持中，微调模型优于ChatGPT，人机共性仍需进一步研究。

多项研究评估了ChatGPT、Bard、Claude等大语言模型在临床问答、虚拟医生、精神科咨询、心理健康支持、法律咨询及企业通信等领域的表现。结果表明，微调可减少幻觉、提升准确性，聊天机器人能填补护理空白，但需关注治疗性对齐与伦理设计。

本文综述对话系统安全研究，涵盖减少偏见与有害内容、构建安全回复的检索框架，以及ProsocialDialog、DiaSafety等数据集和检测方法。研究还涉及心理健康支持对话中的不安全回应检测，指出ChatGPT零样本检测不足，微调模型更适用，并探讨了人机交互中的鲁棒性学习。

该文综述多项研究：隐蔽使用AI聊天工具比公开使用更难被接受，人们常高估他人使用并担忧误用；AI可改善争议话题的在线对话质量、减少对立；ChatGPT在多学科能提供基本准确有用的回答，助益系统思维教学，但偶有错误，需批判使用；AI辅助可提升同辈心理健康支持的情感共鸣与自我效能；元宇宙教育中机遇与隐私、偏见、伦理问题并存；ChatGPT还改变编程问题解决方式，减少常规问题，使人专注复杂任务。

研究提出了一种基于语言模型的新框架，可以协助非专业人员进行心理干预。该系统通过对专业咨询师的研究，能够准确分析问题并提供专业建议，增强非专业人员的支持。这项研究验证了大型语言模型在心理学领域的应用，并为基于社区的心理健康支持奠定了基础。