论文摘要 · 2026-10-29 · arXiv (Cornell University)
通过虚拟环境训练提升精神科问诊对话AI的性能
Training language models in simulation for psychiatric intake
- 做了什么
- 研究人员证明，在虚拟环境中经过强化学习的语言模型显著提升了结构化文本基础的精神科初诊问诊能力。
- 核心结果
- 在精神科医生参与的评估中，受训的人工智能在诊疗评分、以患者为中心的沟通、鉴别诊断的适当性等多个指标上表现优于基础模型。
- 意义
- 这表明虚拟环境可以成为训练精神科对话型人工智能并验证其安全性的有用试验场。
研究背景
精神科临床初次访谈是诊断的核心工具，但面临着处理复杂症状的同时建立信任的挑战。
方法
研究人员在虚拟环境中应用了多次交互的强化学习，并通过精神科医生参与的随机双盲交叉研究，对受训智能体与基础模型进行了比较。
主要结果
在配对的情境组合中，受训智能体在76.7%的情况下优于基础模型，并将急性安全风险分类过低的比率降低了一半以上。
局限与待确认之处
仍存在一定差距，因此需要安全机制和临床医生的监督。
术语解释
- 强化学习 — 通过试错引导人工智能寻找最佳行为方式的学习方法
- 语言模型 — 经过训练以理解和生成人类语言的人工智能
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
