The Art of Socratic Inquiry: A Framework for Proactive Template-Guided Therapeutic Conversation Generation

📄 arXiv: 2602.01598v1 📥 PDF

作者: Mingwen Zhang, Minqiang Yang, Changsheng Ma, Yang Yu, Hui Bai, Chen Xu, Xiangzhen Kong, Bin Hu

分类: cs.CL

发布日期: 2026-02-02

💡 一句话要点

提出苏格拉底探究框架，提升LLM在认知行为治疗中的主动引导能力

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

关键词: 认知行为疗法 大型语言模型 苏格拉底探究 主动对话 心理治疗

📋 核心要点

  1. 现有心理学LLM在认知行为疗法中主要表现为被动反应，缺乏主动引导和认知干预能力。
  2. 论文提出苏格拉底探究框架(SIF)，通过策略锚定和模板检索，使LLM能够主动发起理论支撑的探究。
  3. 实验表明，SIF显著提高了主动提问的频率、对话深度和治疗一致性，实现了更好的治疗效果。

📝 摘要（中文）

认知行为疗法(CBT)的核心在于治疗师主动发起结构化的、认知引导式的探究。然而，目前的大型语言模型(LLM)在心理治疗应用中主要表现为被动反应，倾向于提供共情但肤浅的回应，无法揭示潜在信念或引导行为改变。为了弥补这一差距，我们提出了苏格拉底探究框架(SIF)，这是一个轻量级的、即插即用的治疗意图规划器，可以将LLM从被动的倾听者转变为主动的认知引导者。SIF将“何时提问”(通过策略锚定)与“问什么”(通过模板检索)解耦，从而实现上下文感知、理论支撑的提问，而无需端到端重新训练。作为SIF的补充，我们引入了Socratic-QA，这是一个高质量的、策略对齐的苏格拉底序列数据集，为主动推理提供显式监督。实验表明，SIF显著提高了主动提问的频率、对话深度和治疗一致性，实现了从被动安慰到主动探索的转变。我们的工作为心理学LLM建立了一个新的范例：不仅仅是回应，而是引导。

🔬 方法详解

问题定义：现有心理治疗LLM主要采用被动响应模式，无法主动引导患者进行认知探索和行为改变。它们通常提供共情性的回复，但缺乏深入挖掘患者潜在信念和指导行为转变的能力。因此，如何使LLM在心理治疗中更具主动性和引导性是一个关键问题。

核心思路：论文的核心思路是将LLM从被动响应者转变为主动的认知引导者。通过解耦“何时提问”和“问什么”，实现上下文感知和理论支撑的主动提问。具体来说，通过“策略锚定”决定何时提问，通过“模板检索”决定问什么，从而在不进行端到端重新训练的情况下，实现主动的苏格拉底式探究。

技术框架：SIF框架包含两个主要模块：策略锚定和模板检索。策略锚定模块负责根据当前对话上下文，决定何时应该发起苏格拉底式探究。模板检索模块则负责根据当前对话上下文和策略锚定模块的输出，从预定义的模板库中检索合适的提问模板。整个流程是：首先，LLM接收到患者的输入；然后，策略锚定模块判断是否需要进行主动提问；如果需要，模板检索模块根据上下文选择合适的提问模板；最后，LLM将模板填充后输出给患者。

关键创新：该论文的关键创新在于提出了一个轻量级的、即插即用的治疗意图规划器SIF，它无需对LLM进行端到端重新训练，即可显著提升其在认知行为治疗中的主动引导能力。与现有方法相比，SIF能够根据上下文动态地选择合适的提问策略和模板，从而实现更具针对性和有效性的治疗干预。此外，Socratic-QA数据集的构建也为主动推理提供了显式监督。

关键设计：策略锚定模块的设计需要考虑如何准确判断何时应该发起提问。模板检索模块的设计需要考虑如何构建高质量的提问模板库，以及如何根据上下文选择最合适的模板。Socratic-QA数据集的构建需要保证数据质量和策略对齐。具体的参数设置、损失函数和网络结构等技术细节在论文中可能有所描述，但摘要中未明确提及，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，SIF框架显著提高了LLM在认知行为治疗中的主动提问频率、对话深度和治疗一致性。具体性能数据和对比基线在摘要中未明确提及，属于未知信息。但整体而言，SIF实现了从被动安慰到主动探索的转变，为心理学LLM开辟了新的研究方向。

🎯 应用场景

该研究成果可应用于开发更智能、更主动的心理治疗机器人或应用程序，为患者提供个性化的认知行为治疗。它还可以用于培训心理治疗师，帮助他们更好地掌握苏格拉底式探究的技巧。此外，该框架还可以扩展到其他需要主动引导和认知干预的领域，例如教育和咨询。

📄 摘要（原文）

Proactive questioning, where therapists deliberately initiate structured, cognition-guiding inquiries, is a cornerstone of cognitive behavioral therapy (CBT). Yet, current psychological large language models (LLMs) remain overwhelmingly reactive, defaulting to empathetic but superficial responses that fail to surface latent beliefs or guide behavioral change. To bridge this gap, we propose the \textbf{Socratic Inquiry Framework (SIF)}, a lightweight, plug-and-play therapeutic intent planner that transforms LLMs from passive listeners into active cognitive guides. SIF decouples \textbf{when to ask} (via Strategy Anchoring) from \textbf{what to ask} (via Template Retrieval), enabling context-aware, theory-grounded questioning without end-to-end retraining. Complementing SIF, we introduce \textbf{Socratic-QA}, a high-quality dataset of strategy-aligned Socratic sequences that provides explicit supervision for proactive reasoning. Experiments show that SIF significantly enhances proactive questioning frequency, conversational depth, and therapeutic alignment, marking a clear shift from reactive comfort to proactive exploration. Our work establishes a new paradigm for psychologically informed LLMs: not just to respond, but to guide.