PsyEvo: A Personalized Counseling Agent That Self-Evolves at Test Time
作者: Yuting Yan, Shihao Xu, Junhao Yu, Mingcong Zuo, Lu Chen, Nan Xiang, Haiyang Geng, Dongjie Tao, Minghao Wang
分类: cs.AI
发布日期: 2026-10-02
🔗 代码/项目: GITHUB
💡 一句话要点
提出PsyEvo以解决心理健康咨询个性化不足问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 心理健康 个性化咨询 大型语言模型 实时学习 贝叶斯方法 响应策略优化 机器学习
📋 核心要点
- 现有的心理健康咨询方法缺乏个性化，无法根据客户的反馈进行实时调整。
- PsyEvo通过三大组件实现个性化干预和响应策略的动态改进，增强了咨询的有效性。
- 在模拟客户评估中，PsyEvo的整体得分为7.684，显著优于其他组件变体，验证了其有效性。
📝 摘要（中文）
心理健康障碍影响全球大量人群，但训练有素的从业者短缺使得大多数人无法获得充分的护理。基于大型语言模型的咨询师为提供可扩展的对话心理支持提供了有前景的方向。仅依靠离线模型训练无法适应个体客户或从持续的治疗互动中学习。本文提出PsyEvo，一个基于LLM的咨询框架，通过三个组件实现客户特定个性化和响应策略的改进。PsyEvo在模拟客户评估中表现出色，整体得分为7.684，超越了每个组件变体，支持了完整框架内的条件贡献。
🔬 方法详解
问题定义：本文旨在解决心理健康咨询中个性化不足的问题，现有方法无法在测试时根据客户反馈进行实时调整，限制了其适应性和有效性。
核心思路：PsyEvo的核心思路是通过实时学习和适应客户反馈，结合个性化干预和响应策略的改进，提升咨询效果。
技术框架：PsyEvo框架包括三个主要组件：层次贝叶斯技能策略（HBSP）、跨会话列表偏好优化（LiPO）和状态条件序数信用分配（SOCA），共同实现个性化和响应优化。
关键创新：PsyEvo的创新在于其能够在测试时自我进化，通过实时更新客户特定的技能后验和响应适配器，显著提升了咨询的个性化程度。
关键设计：在设计中，HBSP维护每个客户的技能后验，LiPO通过跨客户的偏好证据更新响应适配器，SOCA则通过一致性检查和序数投影提供候选偏好和轨迹信用。
🖼️ 关键图片
📊 实验亮点
PsyEvo在模拟客户评估中取得了7.684的整体得分，超越了所有组件变体，验证了其在个性化心理咨询中的有效性。去除单个组件会导致整体得分下降0.138至0.171，支持了各组件在完整框架中的条件贡献。
🎯 应用场景
PsyEvo的研究成果在心理健康领域具有广泛的应用潜力，能够为缺乏专业咨询师的客户提供个性化的心理支持。未来，该框架可扩展至其他需要个性化互动的领域，如教育和客户服务，提升用户体验和满意度。
📄 摘要（原文）
Mental health disorders affect a substantial proportion of the global population, yet a persistent shortage of trained practitioners leaves the majority without adequate care. Large language model (LLM)-based counselors present a promising direction for delivering scalable conversational psychological support. Offline model training alone leaves limited room to adapt to individual clients or to learn from ongoing therapeutic interaction at test time. We introduce PsyEvo, an LLM-based counseling framework that enables both client-specific personalization and response-policy improvement at test time through three components: Hierarchical Bayesian Skill Policy (HBSP) personalizes what intervention to apply by maintaining a per-client skill posterior updated from session feedback; Inter-session Listwise Preference Optimization (LiPO) improves how the selected skill is expressed by updating a shared response adapter from cross-client preference evidence; and State-conditioned Ordinal Credit Assignment (SOCA) supplies candidate preferences and trajectory credit to the two components through consistency-checked comparisons and ordinal projection. In simulated-client evaluation with shared online cohort adaptation, PsyEvo obtains 7.684 Overall on PsychEval and exceeds every component variant in each of three matched runs. Removing individual components lowers mean overall score by 0.138--0.171 under the shared configuration, supporting conditional contributions within the complete scaffold. Our code is available at https://github.com/Lingxi-mental-health/PsyEvo