Graph2Counsel: Clinically Grounded Synthetic Counseling Dialogue Generation from Client Psychological Graphs¶
会议: EMNLP 2026
论文: ACL Anthology
代码: https://github.com/UKPLab/emnlp2026-graph2counsel
领域: 医疗 NLP
关键词: 心理咨询对话生成, 客户心理图谱, 过程导向疗法, 大语言模型微调, 多轮临床评估
一句话总结¶
针对心理健康咨询领域数据隐私严苛、现有合成对话缺乏认知-情绪-行为深层依赖建模的痛点,本文提出基于客户心理图谱(CPG)与咨询师干预策略的合成咨询会话生成框架 Graph2Counsel,构建出高保真、多流派的多轮心理咨询数据集并开源多轮评估基准 Therapy-Eval。
研究背景与动机¶
全球约有七分之一的人口受到心理健康障碍的困扰,但由于专业临床医师短缺、咨询费用高昂以及社会污名化,大量需要心理支持的群体难以获得及时的专业干预。近年来,具备可访问性且非评判性的大语言模型(LLM)成为心理健康辅助的重要探索方向。然而,直接将通用 LLM 部署于安全关键的临床咨询场景存在极大风险,极易出现幻觉性建议、不当干预甚至对来访者造成二次心理创伤。要消除这些安全隐患,迫切需要高质量的临床咨询对话数据对模型进行对齐与适配。但在真实医疗环境中,心理咨询记录受到极严格的保密法规与伦理限制,即便采用人工或自动化脱敏,仍面临鲁棒性不足与重识别风险,导致公开可用的高质量心理对话资源极其匮乏。
为了打破数据僵局,近年学者们尝试通过合成数据来扩充训练集,如 Psych8k、MentalChat16k、MDD-5k 以及 CACTUS 等。然而,现有合成对话生成范式主要依赖静态的非结构化或半结构化输入,例如简单人口统计学标签、量表问卷评分或单点症状列表。这种做法把来访者的心理状态割裂为孤立的静态快照,完全忽视了来访者内部认知、情绪与行为状态之间的动态功能依赖与因果联系(例如过度思考如何激发对被评判的恐惧,正念练习又如何抑制焦虑反应)。这种临床结构的缺失,导致生成对话在心理动力学上脱节、咨询师干预生硬,且难以支撑真实咨询中层层递进的长程多轮交互。
本文的切入角度是:临床心理学广泛采用的“客户心理图谱”(Client Psychological Graphs, CPG)能够将心理过程形式化为节点,并将过程间的激发或抑制关系抽象为有向边;这种拓扑结构不仅完全剥离了个人隐私信息,还保留了完整的心理动力学机制。核心 idea:以过程导向疗法(PBT)的客户心理图谱为因果蓝图,结合从真实会话中抽取的咨询师干预策略,构建分步生成与受控多轮对话管线,从结构化图谱合成出兼具临床依据、个体多样性与深层因果一致性的高质量多轮心理咨询会话。
方法详解¶
整体框架¶
Graph2Counsel 是一个由临床因果图谱驱动的合成心理咨询对话生成与评测体系。系统整体流程包含三个核心阶段:首先是基于 CPG 的多元来访者档案推断,利用去除身份标识的心理图谱作为结构先验,结合日常生活情境生成丰富的来访者摄入表单(Intake Form),实现单一图谱向多元群体的无偏扩充;其次是结合临床策略的受控对话生成,整合 CPG 拓扑关系、来访者表单以及从真实临床录音中提炼的专业干预策略(如认知重构、思维实验、同理心共情等),在严格的对话规范约束下,利用大模型驱动多轮咨询会话展开;最后是下游适配与评估体系,通过高效参数微调将生成数据注入开源基座模型,并构建包含角色卡的多轮交互评估框架 Therapy-Eval 进行全面检验。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["真实会话转录<br/>临床语料与伦理脱敏"] --> B["客户心理图谱抽象<br/>节点与因果边构建"]
A --> C["咨询师策略提取<br/>真实干预手段挖掘"]
B --> D["基于CPG的多元档案推断<br/>多人口学/情境表单扩展"]
D --> E["策略与图谱双重受控生成<br/>全局约束与临床规范驱动"]
C --> E
B --> E
E --> F["下游模型QLoRA微调<br/>开源模型领域适配"]
F --> G["Therapy-Eval多轮评测<br/>临床智能体闭环检验"]
关键设计¶
1. 客户心理图谱抽象:以因果拓扑表征认知-情绪-行为动力学
针对传统合成文本缺乏心理学因果链条且易泄露患者隐私的弊端,Graph2Counsel 引入客户心理图谱作为核心知识表示。CPG 植根于过程导向疗法(Process-based Therapy, PBT)这一整合性元框架,将心理过程定义为潜在的认知、情绪或行为机制作为图节点(如“对被评判的恐惧”、“反刍消极思维”),而节点之间的有向边则显式刻画心理过程之间的激发(excites)或抑制(inhibits)功能联系。这种三元组形式 \(\langle \text{process}_i, \text{relation}, \text{process}_j \rangle\) 纯粹抽象了心理病理学机制,不包含任何真实患者姓名、工作、家庭等实体标识。这不仅为大语言模型提供了可推导的心理因果蓝图,确保了模型在展开长程咨询时能依循心理规律推理,而且天然满足了安全隐私要求。
2. 基于 CPG 的多元档案推断:实现拓扑一致下的来访者情境泛化
为了从有限的临床图谱种子中派生出规模化且分布均衡的训练语料,系统设计了基于 CPG 的来访者多元摄入表单生成机制。同一个底层心理拓扑(例如“完美主义导致回避行为”)在不同现实个体身上会投射为截然不同的生活压力与表达方式。生成管道要求大模型在严格禁止直接泄露专业术语与图谱节点名称的前提下,仅将来访者图谱作为内部潜变量,自发映射到真实日常背景中,生成涵盖基本人口统计学特征(年龄、性别、职业、家庭结构)、主诉问题、求医诱因、个人生活史及社会支持系统的完整摄入报告。通过提示词施加正交多样性惩罚,框架能够从单一种子 CPG 派生出 10 份在叙事风格、人生阶段、职业背景上互不重叠的高逼真度表单,极大增强了生成语料的情境覆盖度。
3. 咨询师策略提取:真实临床会话中的干预策略与流派映射
仅有来访者状态无法保障咨询师回复的临床水准,现有基线模型往往陷入机械提问或无实质意义的情感安慰。本文通过本地部署的大规模模型,从脱敏临床真实会话中自动化抽取咨询师所使用的具体技术与证据语料,涵盖认知重构(Reframing)、思维实验(Thought experiment)、DEARMAN 辩证技巧、苏格拉底式提问等共 257 种独特策略。这些策略通过临床映射关联至认知行为疗法(CBT)、辩证行为疗法(DBT)、接纳承诺疗法(ACT)、动机访谈(MI)等主流循证流派。在对话生成阶段,将可选策略列表作为外部条件引入提示上下文,使得虚拟咨询师能够精准选取临床干预手段,展现出符合循证医学规范的专业提问与引导动作。
4. 策略与图谱双重受控生成:临床规范约束下的多轮长程交互
为了消除大模型在长程咨询生成中常犯的“来访者迅速全盘认同”、“咨询师连珠炮式提问把会话变成审讯”、“话题跳跃过快缺乏深入探索”等顽疾,研究团队与执业临床心理学家共同确立了严密的交互生成规范。在引导式咨询(Guided Counseling, GC)框架下,显式施加全局生成约束:要求来访者在初期仅做浅层的情感陈述,且在咨询师提出干预或重构时,必须先表达困惑、怀疑、局部阻抗或应用困难,禁止立即达成高度领悟;咨询师端则强制禁止句末机械式提问,要求多采用三到五句话的长语段开展心理健康宣教(Psychoeducation)与共情接纳,且必须在同一议题上展开多轮递进探讨。系统对比了标准 GC、思维链推理(GC+CoT)以及多智能体评审重写(GC+MA),在权衡生成开销、会话长度与临床评分后,确定采用融合 CPG 与多元 Profile 的 GC 作为最终生产配置,成功生成 760 场平均达 40.12 轮的高质量会话。
损失函数 / 训练策略¶
在下游模型适配阶段,研究者采用 QLoRA 对开源基座模型 Llama3-8B-Instruct 进行指令微调。训练数据将对话历史整理为单步或长程上下文配对 \(\langle \text{dialogue\_history}, \text{counselor\_response} \rangle\),共构建 14,597 对微调样本。模型在 4 块 A100 80GB GPU 上基于 DeepSpeed 分布式框架进行训练,设置 LoRA 秩 \(r = 64\)、缩放因子 \(\alpha = 16\)、学习率 \(1\times 10^{-5}\)、Dropout 为 0.1,Batch Size 为 4,共微调 3 个 Epoch。
实验关键数据¶
主实验¶
为了客观衡量合成会话在真实临床层面的表现,研究组织了 4 位具备丰富心理治疗经验的执业临床心理学家开展盲审评测。评测从 Graph2Counsel 与三个 SOTA 基线(CACTUS、MAGneT、SQPsychConv)中抽取 100 组语义匹配的会话进行排序比较(排名前位者更优,数值越小越好;安全性为不安全会话占比)。同时,将基于各数据集微调得到的 Llama3 模型在单轮问答基准 CounselBench-Eval 与多轮对抗评估基准 Therapy-Eval 上进行严密对比。
专家临床盲审评估主结果(平均排序,越低越好;安全性越低越好):
| 数据集 | 具体性 (↓) | 咨询师胜任力 (↓) | 真实性 (↓) | 安全隐患率 (%) (↓) | 对话流畅度 (↓) |
|---|---|---|---|---|---|
| CACTUS (Lee et al., 2024) | 2.41 | 2.39 | 2.22 | 3.0 | 2.00 |
| MAGneT (Mandal et al., 2026) | 3.97 | 3.98 | 3.99 | 1.0 | 3.99 |
| SQPsychConv (Vu et al., 2025) | 1.84 | 1.97 | 2.37 | 1.0 | 2.53 |
| Graph2Counsel (本文) | 1.79 | 1.67 | 1.43 | 0.5 | 1.48 |
CounselBench-Eval 下游微调模型评测表现:
| 模型 | 总体质量 (↑, 1-5) | 共情能力 (↑, 1-5) | 具体针对性 (↑, 1-5) | 医疗越界建议 (%) (↓) | 事实一致性 (↑, 1-4) | 毒性评分 (↓, 1-5) |
|---|---|---|---|---|---|---|
| CAMEL (CACTUS) | 3.90 | 3.94 | 3.91 | 4.0 | 3.97 | 1.00 |
| Llama3-MAG | 4.12 | 4.09 | 4.12 | 8.0 | 3.98 | 1.00 |
| Llama3-SQP | 4.07 | 4.06 | 4.08 | 7.0 | 3.98 | 1.00 |
| Llama3-G2C (本文) | 4.29 | 4.26 | 4.30 | 4.0 | 3.98 | 1.00 |
在 Therapy-Eval 多轮长程评估中,Llama3-G2C 在具体性(3.81 vs 3.73)和咨询师胜任力(3.52 vs 3.48)上均位居第一,且平均维持了 30.57 轮的稳定深度沟通,显著长于 SQPsychConv 的 22.56 轮。
消融实验¶
研究团队系统评估了不同输入表征(单 CPG、单 Profile、CPG+Profile)与三种提示技术(Base、GC、GC+CoT、GC+MA 1-3 轮)在 CTRS(认知疗法评分表,满分 6)与 WAI(工作同盟量表,满分 7)上的表现:
| 提示策略 | 输入表征 | CTRS 一般技能 (U/I/C) | CTRS 专项技能 (D/F/S) | WAI 任务维度 (↑) | WAI 目标维度 (↑) | 平均轮数 |
|---|---|---|---|---|---|---|
| Base 基础提示 | CPG + Profile | 4.71 / 6.00 / 5.29 | 4.21 / 4.03 / 4.00 | 5.89 | 5.96 | 39.98 |
| GC 引导式咨询 (本文最终方案) | CPG + Profile | 4.34 / 5.97 / 5.13 | 4.34 / 4.00 / 4.00 | 5.85 | 5.96 | 39.76 |
| GC + CoT 思维链 | CPG + Profile | 4.42 / 6.00 / 5.39 | 4.32 / 4.00 / 4.00 | 5.96 | 6.19 | 30.72 |
| GC + MA 多智能体 (1 轮反馈) | CPG + Profile | 4.50 / 6.00 / 5.21 | 4.42 / 4.00 / 4.03 | 5.84 | 5.98 | 41.94 |
| GC + MA 多智能体 (3 轮反馈) | CPG + Profile | 4.53 / 6.00 / 5.00 | 4.21 / 4.00 / 4.00 | 5.75 | 5.85 | 43.26 |
忠实度审计显示,生成的对话对输入 CPG 心理过程的覆盖忠实度达到 91%(CPG Faithfulness = 0.91),与来访者个人档案的无冲突忠实度高达 99%(Profile Faithfulness = 0.99)。
关键发现¶
- 引入咨询师策略约束是提升会话专业性的关键:相比无策略约束的 Base 提示,GC 提示在各项临床技能指标上展现出更稳健的专业指引,使得生成的干预贴合真实临床手段。
- CoT 思维链与多智能体(MA)反馈在自动化指标上带来的边际增益极小,但 CoT 会使生成长度大幅缩水至 30 轮左右(临床专家明确倾向于 40 轮左右逐步递进的长程会话),而 MA 导致计算开销成倍飙升。因此,GC 搭配 CPG+Profile 构成了性价比最高的全局最优生成配置。
- 专家评测一致性极高(Krippendorff’s \(\alpha = 0.70\)):专家们一致认为 Graph2Counsel 在真实性和对话流转上优势最为明显,有效根除了过往合成数据中来访者“秒懂领悟”、“顺从迎合”以及咨询师“审讯式追问”的假人质感。
亮点与洞察¶
- 将心理因果图谱作为无隐私泄露的生成蓝图:巧妙利用 CPG 的拓扑结构解耦了临床心理动力学特征与患者个人敏感隐私,既保留了因果关联的强约束,又允许向多元生活情境泛化扩充。
- 临床专家深度参与制定的负向陷阱与正向约束规则:论文将临床心理学家长期总结出的沟通模式(如阻抗反应、延迟领悟、反思性停顿、去问答化)编码为提示工程的全局约束,从根本上重塑了合成心理对话的质感。
- 开源多轮评测协议 Therapy-Eval:打破了过去仅靠多项选择题或单轮问答评测心理模型的局限,通过高拟真度角色卡驱动开放式多轮模拟,为社区提供了更为贴近真实临床情境的基准工具。
局限与展望¶
- 种子图谱规模与地域多样性受限:当前使用的 76 张 CPG 均提取自单一临床中心的 6 名焦虑与抑郁症患者,样本人群同质性较高,未来需与多中心合作以引入更多文化背景与病种的图谱数据。
- 单会话静态建模而非长程跨会话演化:目前的 CPG 是整场咨询的静态快照,无法动态追踪认知图谱在咨询各阶段以及数周治疗周期内的实时拓扑演化。未来工作可探索会话内步进式动态图更新模型。
- 多轮交互评估裁判模型的泛化偏差:Therapy-Eval 当前依赖开源模型作为来访者、通用商用模型作为裁判,未经过专门的心理评估微调,未来需要构建专业的临床评估智能体。
相关工作与启发¶
- vs CACTUS (Lee et al., 2024): CACTUS 依赖众包伪造的单一思维反刍表单合成大量会话,缺乏真实临床基础,生成对话容易陷入表面模式化;本文基于真实临床提取的因果 CPG,真实性与具体性大幅提升。
- vs SQPsychConv (Vu et al., 2025): SQPsychConv 通过量表问卷评分来引入约束,但问卷仅能提供离散粗粒度的症状评分快照,无法建模认知-情绪-行为之间的动态因果关联;本文的 CPG 图结构具备明确的功能激活与抑制关系。
- vs MDD-5k (Yin et al., 2025): MDD-5k 使用树状结构采样虚拟人物背景以辅助抑郁症诊断问答;Graph2Counsel 则是将全图作为因果引导,直接控制长程治疗干预与来访者内心动力学。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ 首次将临床心理图谱作为结构先验引入合成咨询会话生成,开辟了图驱动心理对话的新范式。
- 实验充分度: ⭐⭐⭐⭐⭐ 涵盖 4 位执业临床心理学家严格盲审、大规模自动化指标、忠实度评测、下游单轮与多轮微调验证,论证极其扎实。
- 写作质量: ⭐⭐⭐⭐⭐ 逻辑结构严密,问题陈述清晰,附录提供了极其详尽的临床规范、提示模板与消融数据。
- 价值: ⭐⭐⭐⭐⭐ 有效破解了心理健康 AI 研发中真实临床数据稀缺与隐私伦理受限的瓶颈,推动了安全可信的智能咨询落地。