一句话总结

武汉大学及合作机构的研究者提出了 Pandora，一个心理治疗来访者模拟框架，通过更新心理与关系状态、构建主观评价与归因，并使用从来访者话语中蒸馏出的独立表达规划器来建模情境化个体表达；在来自四个咨询与动机访谈数据集的 115 个案例上、针对五个基线进行评估后，Pandora 取得了最高的表达相似度和总体披露对齐得分，并且在一项由四名评估者对 45 个匹配披露条目进行的研究中，有 7.2% 的评分被判定为类 AI，而基线的比例为 43.3% 至 67.2%，无表达规划时为 35.6%。

核心贡献

• Pandora 是一个心理治疗来访者模拟框架，它响应治疗师干预来更新心理与关系状态，构建主观评价与归因，并规划回应内容与策略。
• 一个独立的表达规划器将这些决策与从来访者话语中蒸馏出的语言模式相结合，以指导语言实现，将来访者理解并打算沟通的内容与该理解在每轮交流中的表达方式分开。
• 在来自四个咨询和动机访谈数据集的 115 个案例上评估时，Pandora 在五个基线中取得了最高的表达相似度和总体披露对齐得分；对 45 个匹配披露条目的人工评估将 Pandora 评为类 AI 的比例为 7.2%，而基线为 43.3% 至 67.2%，无表达规划时为 35.6%，同时消融实验也会降低表达相似度。

引言

真实的来访者模拟对心理治疗培训与评估很重要，因为来访者在能够清晰表达出连贯解释之前，常常会以试探、不完整或通过具体事件的方式表达关切。先前的来访者模拟器通常依赖面向临床医生的个案概念化、认知与关系画像或风格标签，这会使模拟回应比真实来访者当前的理解更具解释性和连贯性。作者提出 Pandora，一个显式建模从心理体验到情境化个体表达转变的框架。它分别规划主观评价与归因、回应内容与立场，以及利用从来访者自身话语中蒸馏出的语言模式进行语言实现。在跨越 115 个咨询与动机访谈案例的评估中，与五个基线相比，Pandora 取得了更高的表达相似度和披露对齐，同时减少了被感知为类 AI 的表达，而去除表达规划会降低保真度。

数据集

作者从现有咨询对话资源中收集评估数据集，选取既能揭示来访者披露内容、又能体现披露如何通过互动展开的材料。

• 总体构成：115 个案例，其中 97 个中文对话，18 个英文对话。
• 来源细分：
  • 97 个案例来自 PsyDial-D4
  • 11 个案例来自 AnnoMI
  • 5 个案例来自 Eeyore Full
  • 2 个案例来自 ConsistentMI
• 筛选与处理：在语义筛选后，从收集材料中去除完全重复和近似重复的内容。
• 论文中的用途：所选对话为评估跨轮次的披露时机、内容组织和个体表达提供参考轨迹。
• 文献说明：表 1 汇总了来源构成，完整的检索与评估流程详见附录 C。

方法

作者提出 Pandora，一个心理治疗来访者模拟框架，对从心理经验到情境化话语的转化进行建模。借鉴言语产出中概念准备与语言表述之间的区分，该框架连接三个建模任务：表征来访者不断演变的经验，从来访者的主观视角规划回应，以及以来访者的个体声音实现该回应。在第 $t$t 轮，输入包括治疗师话语 $x_t$xt​、先前对话 $H_{t-1}$Ht−1​、先前的心理状态 $s_{t-1}$st−1​、案例材料 $M_t$Mt​ 和个体语言画像 $\rho$ρ。案例材料包含当前对话节点可用的记忆和事件，将案例信息与来访者不断演变的理解及其表达方式分开。

框架图如下：

模块化流程始于治疗师干预评估与状态更新。该模块提供来访者对互动体验的持续表征。基于规则的评估器识别澄清、提问和情感反映的机会，以及它们在治疗师话语中的使用情况。由此产生的干预信号表示所使用的技术以及它们如何处理对话语境，包括未被处理的机会。状态区分情感、关系、防御和反思维度，使披露意愿和表达经验的能力可以分别变化。受约束的基于规则的转移将干预相关增量和记忆相关增量与先前状态结合，以指导后续规划。

接下来，主观评价与归因模块将更新后的状态和案例材料转化为来访者说话时所依据的视角。主观评价 $a_t$at​ 表示某段经验对来访者意味着什么，包括其情感意义、感知到的威胁以及对自我的影响。归因 $b_t$bt​ 表示来访者当前如何解释该经验。二者均使用更新后的状态、案例材料和干预信号构建，从而区分案例中的解释性信息与来访者当前能够表述的叙述。

内容目标、来访者立场与回应策略模块将主观叙述组织为对当前治疗师轮次的回应。内容计划 $d_t$dt​ 表示可用的案例内容和来访者立场，而回应行为计划 $r_t$rt​ 指定即时对话目的：

$$C_t = (a_t, b_t, d_t, r_t).$$Ct​=(at​,bt​,dt​,rt​).

内容计划携带记忆标识和一种立场，例如犹豫、防御或开放，由更新后的状态和干预信号决定。回应策略使该计划能够回应治疗师的话语。事实性问题倾向于先作答并限制内省，而情感反映则邀请确认。将回应目的与立场分开，使犹豫的来访者能够直接回答问题，同时表达对其心理含义的不确定。

个体表达规划将语义计划转化为针对特定来访者的实现指导。它把离线从来访者话语中蒸馏出的稳定个体语言画像与当前轮次的心理和对话条件结合起来：

$$L_t = F_{\mathrm{realize}}(s_t, C_t, H_{t-1}, \rho).$$Lt​=Frealize​(st​,Ct​,Ht−1​,ρ).

离线话语风格蒸馏总结习惯性话语标记、模糊限制、情感外显程度和长度分布。在线表达规划根据来访者立场和回应策略指定言语风格、代词焦点、确定性和长度目标。这种结合在使表达适应当前交流的同时保留了来访者的声音。

最后，在回应生成与执行中，一个来访者 LLM 将中间计划实现为自然语言话语。其提示将心理语境、主观评价、内容计划和语言实现计划与来访者画像及互动指令相结合。内容定位和主张核验跨轮次追踪案例材料的表达，以支持下一个规划周期。

实验

在 115 个自动评分案例和 45 个人工判断披露条目上，本研究检验 Pandora 的显式表达规划是否能改善来访者声音，它在先前的心理和内容规划之外增加了什么，以及披露结构是否保持忠实。完整系统取得了最高的表达相似度和最低的类 AI 判断率，而消融表达规划虽然保留披露组织，但会大幅降低表达保真度并增加被感知为类 AI 的风格。结果表明内容规划和表达规划发挥不同作用，协调披露时机、依赖关系和个体语言实现对更真实的来访者模拟而言是必要的。

经语义筛选和跨来源去重后，整理后的案例集包含 115 个对话。PsyDial-D4 在所选材料中占主导，AnnoMI、Eeyore Full 和 ConsistentMI 贡献较小。该集合以中文案例为主，另有较小的英文子集，为评估披露时机、内容组织和个体表达提供参考轨迹。PsyDial-D4 贡献了所选对话中的绝大多数，而其他三个来源增加了较少的案例数量。最终集合以中文为主，并包含来自所选来源的较小英文子集。

在所有被评估的实现中，带表达规划的 Pandora 实现了最强的组合披露组织与表达保真度，在时机、依赖和风格相似度上优于基线系统及其自身消融版本。去除表达规划保留了大部分结构化披露质量，但导致表达相似度低于最强基线，这支持语义规划与个体声音实现之间的分离。主要基线表现出权衡：Consistent MI 在基线中表达相似度领先，而 Interactive Agents 的捆绑频率误差最低，但两者都不能像 Pandora 一样有效组合这些特性。Pandora 取得了最高的总体披露组织与表达相似度，在内容缩减后的风格相似度和原始风格相似度上超过最强基线，同时改善了时机和依赖保真度。表达规划消融版本保留了较高的披露时机和依赖得分，但在内容缩减后的风格相似度上低于最强基线，表明独立的实现规划保留了来访者声音。在基线中，Consistent MI 在表达相似度上领先，Interactive Agents 的捆绑频率误差最低，但两者都未能达到 Pandora 的组合披露与表达性能。

人工判断者以较大差距将 Pandora 评为最少类 AI 的生成系统，其类 AI 投票为 7.2%，而基线为 43.3% 至 67.2%，表达规划消融版本为 35.6%。去除表达规划导致类 AI 判断明显增加，并且在两个评估者组中 Pandora 在生成系统中都有最低比例。参考条件比例略低，但并非一致经过验证的人类对照。Pandora 获得的类 AI 判断少于每个基线和其消融版本。去除表达规划将类 AI 判断从 7.2% 提高到 35.6%。Interactive Agents 在基线中类 AI 比例最低，但仍远高于 Pandora。Pandora 较低的类 AI 比例在咨询师和合成数据研究者评估者中均成立。没有任何一个 Pandora 候选回应获得严格的类 AI 投票多数。

评估使用一个经整理的 115 个对话集合，其中大多为中文并含较小的英文子集，以评估披露时机、内容组织和个体表达。定量比较表明，带表达规划的 Pandora 比基线和其消融版本更好地结合了结构化披露质量与表达保真度，而去除表达规划会降低风格相似度，并表明语义规划与声音实现是可分离的。人工判断进一步验证了这一优势，因为 Pandora 被判定为类 AI 的频率远低于基线和消融版本，并且该效果在评估者组间保持一致。