PsyProbe: Proactive and Interpretable Dialogue through User State Modeling for Exploratory Counseling

📄 arXiv: 2601.19096v1 📥 PDF

作者: Sohhyung Park, Hyunji Kang, Sungzoon Cho, Dongil Kim

分类: cs.CL

发布日期: 2026-01-27

备注: In Findings of the Association for Computational Linguistics: EACL 2026

💡 一句话要点

PsyProbe：通过用户状态建模实现探索性咨询中主动且可解释的对话

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心理健康对话系统 用户状态建模 主动对话 探索性咨询 动机访谈

📋 核心要点

  1. 现有心理健康对话系统主要被动响应，缺乏对用户心理状态的系统建模，限制了治疗探索的深度和广度。
  2. PsyProbe通过PPPPPI框架结合认知错误检测，系统跟踪用户心理状态，并利用状态构建器、记忆构建等模块实现主动对话。
  3. 实验结果表明，PsyProbe在自动评估、用户评估和专家评估中均优于基线，显著提升了用户参与度和核心问题理解。

📝 摘要（中文）

大型语言模型的进步推动了心理健康对话系统的发展，但现有方法主要为被动响应，缺乏用于主动治疗探索的系统性用户状态建模。我们提出了PsyProbe，一个专为咨询探索阶段设计的对话系统，通过PPPPPI框架（呈现、易感、诱发、持续、保护、影响）并结合认知错误检测，系统地跟踪用户的心理状态。PsyProbe结合了用于提取结构化心理档案的状态构建器、用于跟踪信息差距的记忆构建、用于动机访谈行为编码的策略规划器，以及带有问题构思和评论/修订模块的响应生成器，以生成上下文相关的、主动的问题。我们在真实的韩国咨询场景中，通过对27名参与者进行评估，包括跨消融模式的自动评估、用户评估和认证咨询师的专家评估。在自动评估中，完整的PsyProbe模型始终优于基线和消融模式。用户评估表明，与基线相比，参与意愿显著提高，自然度得到改善。专家评估表明，PsyProbe显著提高了对核心问题的理解，并实现了与专业咨询师相当的问题提出率，验证了系统状态建模和主动提问对治疗探索的有效性。

🔬 方法详解

问题定义：现有心理健康对话系统主要采用被动响应模式，无法主动挖掘用户深层心理状态，导致咨询过程缺乏针对性和探索性。现有方法难以系统地跟踪用户心理状态，无法有效识别信息缺口，并生成具有治疗意义的主动提问。

核心思路：PsyProbe的核心思路是构建一个能够主动探索用户心理状态的对话系统。通过系统化的用户状态建模，PsyProbe能够识别用户当前状态、潜在问题和信息缺口，并据此生成具有针对性的问题，引导用户进行更深入的自我探索。这种主动探索模式旨在提高咨询效率和治疗效果。

技术框架：PsyProbe的整体架构包含四个主要模块：状态构建器（State Builder）、记忆构建（Memory Construction）、策略规划器（Strategy Planner）和响应生成器（Response Generator）。状态构建器负责从对话中提取结构化的心理档案，基于PPPPPI框架和认知错误检测。记忆构建模块跟踪对话中的信息缺口，维护用户状态的完整性。策略规划器根据用户状态和咨询目标，选择合适的动机访谈行为编码。响应生成器则利用问题构思和评论/修订模块，生成上下文相关的、主动的问题。

关键创新：PsyProbe的关键创新在于其系统化的用户状态建模和主动提问策略。与传统的被动响应系统不同，PsyProbe能够主动识别用户心理状态，并生成具有针对性的问题，引导用户进行更深入的自我探索。此外，PsyProbe还结合了PPPPPI框架和认知错误检测，更全面地捕捉用户的心理状态。

关键设计：PsyProbe的关键设计包括：1) 使用PPPPPI框架和认知错误检测来构建用户状态；2) 设计记忆构建模块来跟踪信息缺口；3) 使用策略规划器来选择合适的动机访谈行为编码；4) 设计问题构思和评论/修订模块来生成高质量的问题。具体参数设置、损失函数和网络结构等技术细节在论文中未详细说明，属于未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

PsyProbe在真实韩国咨询场景中进行了评估，结果表明：在自动评估中，完整模型始终优于基线和消融模式；用户评估显示，与基线相比，参与意愿显著提高，自然度得到改善；专家评估表明，PsyProbe显著提高了对核心问题的理解，并实现了与专业咨询师相当的问题提出率。

🎯 应用场景

PsyProbe可应用于在线心理咨询平台、心理健康教育、自助心理评估等领域。通过提供主动且可解释的对话，PsyProbe能够帮助用户更好地了解自身心理状态，促进自我探索和问题解决。未来，PsyProbe有望成为心理健康服务的重要辅助工具，提高心理咨询的可及性和效率。

📄 摘要（原文）

Recent advances in large language models have enabled mental health dialogue systems, yet existing approaches remain predominantly reactive, lacking systematic user state modeling for proactive therapeutic exploration. We introduce PsyProbe, a dialogue system designed for the exploration phase of counseling that systematically tracks user psychological states through the PPPPPI framework (Presenting, Predisposing, Precipitating, Perpetuating, Protective, Impact) augmented with cognitive error detection. PsyProbe combines State Builder for extracting structured psychological profiles, Memory Construction for tracking information gaps, Strategy Planner for Motivational Interviewing behavioral codes, and Response Generator with Question Ideation and Critic/Revision modules to generate contextually appropriate, proactive questions. We evaluate PsyProbe with 27 participants in real-world Korean counseling scenarios, including automatic evaluation across ablation modes, user evaluation, and expert evaluation by a certified counselor. The full PsyProbe model consistently outperforms baseline and ablation modes in automatic evaluation. User evaluation demonstrates significantly increased engagement intention and improved naturalness compared to baseline. Expert evaluation shows that PsyProbe substantially improves core issue understanding and achieves question rates comparable to professional counselors, validating the effectiveness of systematic state modeling and proactive questioning for therapeutic exploration.