抢先体验上海交大最新大模型Agent心理诊所!论文一作深度解读角色扮演Agent前沿进展

news2024/11/23 19:41:01

在当今社会的快节奏生活下,人们对于心理健康的关注度也在持续提升。然而,如今的心理健康医疗资源明显不足,尤其是在低收入和中等收入国家。同时,相关医疗资源的分布也主要集中在城市和大型机构,这种分配不平衡导致大量饱受抑郁障碍等精神障碍折磨的患者,难以及时获取相应的医疗辅助。

针对于此,上海交通大学 X-LANCE 实验室吴梦玥老师团队与德克萨斯大学阿灵顿分校 (UTA)、天桥脑科学研究院 (TCCI) 和 ThetaAI 公司一同合作,搭建了一种自动化大模型对话 Agent 模拟系统——智能体心理诊所 AMC (Agent Mental Clinic), 用于抑郁症的初步诊断。这一系统可以同时模拟精神科医生和潜在抑郁症患者,并模拟抑郁症问诊对话。

在第四期 Meet AI4S 直播中,HyperAI超神经邀请到了本研究论文的第一作者,上海交通大学跨媒体语言智能实验室博士兰焜耀, 他将以「基于大模型 Agent 的精神健康问诊和咨询平台」为题,为大家详细介绍智能体心理诊所 AMC 的设计思路、技术亮点等干货内容。

值得一提的是,目前智能体心理诊所 AMC 的 Demo 仍未正式上线,兰焜耀博士将在本次直播中首次为大家展示这个基于 Agent 的心理健康对话平台,参与直播的观众还有机会获得 Demo 的抢先体验权限, 快来预约观看直播吧!

嘉宾介绍

在这里插入图片描述

分享主题

基于大模型 Agent 的精神健康问诊和咨询平台

内容简介

本课题组提出了「大模型 Agent 心理诊所」,旨在构建一个基于 Agent 的心理健康对话平台,通过模拟患者和精神科医生之间的对话,使平台内的大模型智能体自我进化,优化表现效果。

项目设计了一个包含三级记忆结构的精神科医生智能体,并配备了对话控制和反思插件,充当「监督者」,同时改进了常用的记忆采样模块,同时利用现实场景采集到的抑郁症问诊数据集初始化患者 Agent,为模拟患者的构建提供了充足的事件信息。通过模拟病患对话的聊天在抑郁风险和自杀风险诊断方面实现了更高的准确率。

观众获益

  1. 讨论大模型智能体在自我迭代进化中的困难与挑战、

  2. 在大模型智能体心理诊所的 Demo 正式上线前,获得 Demo 的抢先体验权限

  3. 了解角色扮演智能体在现阶段前沿研究的结果和未来的发展方向

论文回顾

HyperAI超神经此前曾解读分享了兰焜耀博士为第一作者的研究论文「Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory」。

研究亮点

  • 搭建了一个新型的对话 Agent 模拟系统,模拟患者 Agent 和精神科医生 Agent 之间的诊断会话,为培训实习精神科医生和初步筛查潜在抑郁症患者提供了有效的新方法。

  • 提出创新的三层式记忆结构和记忆检索模块,增强 Agent 在诊断阶段总结技能,为未来在抑郁症诊断和对话模拟的优化提供全新的方向。

  • AMC 系统在抑郁症诊断和自杀预测方面都有提升,且该框架可应用于其他特定领域,适合有限标注案例的训练。

基于 D4 数据集,经专业医生核验

D4 数据集是由吴梦玥老师团队采集并经过专业医生质量核验的。

研究人员一共搜集了 1,339 段满足质量的对话用于组建抑郁症问诊数据集 D4,抑郁症程度分为无(430 段对话),轻度(342 段对话),中度(368 段对话),和重度(199 段对话)四个大类,平均对话轮数为 21.6 轮。之后,吴梦玥老师团队提出 SEO 抑郁症症状诊断标注框架对 D4 数据集进行了标注。

6 大步骤实现问诊

  1. 利用基于 D4 采集到的由 GPT-4 生成的患者画像初始化一批患者 Agent。其中抑郁障碍的诊断结果在患者的问诊的过程中不会提供给患者 Agent。

  2. 患者 Agent 和精神科医生 Agent 进行抑郁症问诊聊天。

  3. 在第二步的过程中,指导员插件会根据对话的进行追踪患者提及的症状并提供下一步的对话建议给精神科医生 Agent。

  4. 在问诊对话结束后,指导员插件比较精神科医生 Agent 最后对患者的诊断结果和 D4 中存储的真实医生的诊断结果。

  5. 指导员插件将根据诊断结果的比较,总结出提供给精神科医生 Agent 的指导意见,并将其提供给精神科医生 Agent。

  6. 结束一次问诊流程后,精神科医生呼唤下一个患者 Agent 来进行诊断,重复这一流程。

在这里插入图片描述

AMC 系统运作流程,6 大步骤完成自动化问诊

上海交大 X - LANCE 实验室

在这里插入图片描述

上海交大 X - LANCE 实验室全称为上海交通大学跨媒体语言智能实验室, 成立于 2012 年,前身是智能语音实验室 (SpeechLab),经过多年发展,成为了涵盖视听文语言信息处理核心各研究领域的「跨模态语言智能实验室」。

目前,跨媒体语言智能实验室的教师组有 1 位教授、4 位副教授和 1 位科研助理,拥有超 20 名博士研究生,超 30 名硕士研究生,还包括 ACM 班、AI 班、IEEE 班、电院 CS 等专业、巴黎卓越工程师学院、密西根学院等的超 30 名本科生。

实验室获得了包括国家重点研发计划、自然科学基金委优秀青年科学基金在内的诸多国家和企业项目支持。实验室与思必驰科技股份有限公司深度合作,成立了「上海交通大学思必驰智能人机交互联合实验室」。实验室可调动丰富的数据资源以及多达数百块 H800、A800、A10 等 GPU 卡的丰富计算资源,是国际上极少数可以进行产业级大尺度数据分析和研究的人工智能实验室之一。

欢迎心理学背景以及对计算心理健康感兴趣的同学加入研究~

实验室主页:

https://x-lance.github.io/zh/

Meet AI4S 系列直播

HyperAI超神经 (hyper.ai) 是中国最⼤的数据科学领域搜索引擎,聚焦 AI for Science 的最新科研成果,实时追踪 Nature、Science 等顶级刊物的学术论文,至今已完成近 200 篇 AI for Science 论文的解读。

此外,我们还运营了国内唯一 AI for Science 开源项目 awesome-ai4s。

项目地址:

https://github.com/hyperai/awesome-ai4s

为了进一步推进 AI4S 的普适化,将学术机构的科研成果进一步降低传播壁垒,分享给更广泛的行业学者、科技爱好者及产业单位,HyperAI超神经策划了「Meet AI4S」视频栏目,邀请深耕 AI for Science 领域的科研人员或相关单位,以视频的形式分享研究成果、方法思路,共同探讨 AI for Science 在科研进展及推进落地过程中面临的机遇和挑战,促进 AI for Science 的科学普及和传播。

到目前为止,我们已经成功举办了 3 期 Meet AI4S 直播,覆盖地理信息科学、生命科学、蛋白质工程领域。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2209157.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

如何下载、安装并激活 Paragon NTFS for Mac 17,paragon ntfs for mac怎么用

Paragon NTFS for Mac是一款非常不错的Mac读写工具,解决了大部分Mac电脑用户无法读取移动硬盘的困扰,但是很多用户在购买了正版Paragon后不会激活。本篇将为各位小伙伴们讲解一下NTFS读写工具Paragon NTFS for Mac是如何进行下载、安装与激活的。 注&am…

双向广搜 Solitaire——hdu1401

目录 前言 字符数字的转换 bfs or double dfs 棋局的编号 Solitaire 问题描述 输入 输出 问题分析 判重 棋子走动逻辑 单向搜索代码 双向搜索退出条件 双向广搜代码 前言 交代一下我写这题的感受,被自己气笑了,本来以为是我字符串没弄好,…

JAVA——File类

目录 1.概述 2.构造方法 a.根据文件路径创建文件对象 b.根据父级路径和子级路径创建对象 c.根据File表示的路径和String表示路径进行拼接 3.常见方法 a.判断文件是否存在 b.判断文件是否为文件夹 c.判断是否为文件 d.获取文件大小 e.获取文件的绝对路径 f.获取定义…

Apache Kafka基础认知-Part1

微信公众号:阿俊的学习记录空间小红书:ArnoZhangwordpress:arnozhang1994博客园:arnozhangCSDN:ArnoZhang1994 Apache Kafka 是一个分布式流处理平台,具备以下三大核心功能: 记录流的发布和订…

Java项目: 基于SpringBoot+mybatis+maven+vue共享汽车管理系统(含源码+数据库+开题报告+毕业论文)

一、项目简介 本项目是一套基于SpringBootmybatismavenvue共享汽车管理系统 包含:项目源码、数据库脚本等,该项目附带全部源码可作为毕设使用。 项目都经过严格调试,eclipse或者idea 确保可以运行! 该系统功能完善、界面美观、操…

持续领先,从IDC报告看联想企业级全栈能力如何加速智能化转型

作者 | 曾响铃 文 | 响铃说 如果问智能化转型浪潮中,哪个行业受到的关注最多?毫无疑问,与产业升级、宏观导向密切相关的制造业一定会是答案之一,智能制造已经成为普遍共识。 这其中,面向制造业的智能化基础设施承担…

PHP 学生成绩在线发布系统-计算机毕业设计源码81780

摘 要 计算机科学技术的飞速发展也更好地促进了高校信息化建设。为了适应新形势下更好地培养人才,高校在发展的过程中开始推进信息系统的建设。随着我国教育模式的不断改革和发展,越来越多的高校正在开展校园信息工程建设,以更好地提高高校…

dy弹幕 新版abogus 180+长度 signature分析

声明: 本文章中所有内容仅供学习交流使用,不用于其他任何目的,抓包内容、敏感网址、数据接口等均已做脱敏处理,严禁用于商业用途和非法用途,否则由此产生的一切后果均与作者无关! 有相关问题请第一时间头像私信联系我删…

初始操作系统篇(2)—— 操作系统的运行环境与体系结构

找往期文章包括但不限于本期文章中不懂的知识点: 个人主页:我要学编程(ಥ_ಥ)-CSDN博客 所属专栏: 操作系统 目录 操作系统的运行环境 操作系统的运行机制 中断 系统调用 操作系统的体系结构 大内核 微内核 优点 缺点 操作系统的运行…

PostgreSql的备份和升级

目录 版本概述: 跨大版本数据迁移 QProcess 调用相关进程进行备份和恢复 版本概述: 该数据库版本主要分为主要版本和次要版本,大版本基本每年发布一次,小版本则每几个月即发布,更新较快。在10.0之前所使用的数据库版…

YOLOv11全网最新创新点改进系列:一文读懂YOLOv11算法!!!

YOLOv11全网最新创新点改进系列:免费送!!!改进且跑通的源码!!融入CBAM注意力,将通道注意力和空间注意力相结合,嘎嘎提升V11算法,叫叫首,改进速度遥遥领先&…

字符串拼接方法性能对比和分析

对字符串进行拼接主要有三种方法: 1.加号 2.concat方法 3.StringBuilder或者StringBuffer的append方法 下面看下性能对比,测试方法为各循环十万次,对比耗费时间。 测试性能 1.”"拼接 long start System.currentTimeMillis();String …

如何通过钢筋计来优化施工安全

在现代建筑工程中,施工安全一直是首要关注的问题。特别是在高层建筑、桥梁和地下工程等复杂结构中,确保钢筋的正确安装和稳定性能,直接关系到工程的整体安全性和耐久性。钢筋计作为一种专门用于测量和监测钢筋应力和应变的设备,其…

信号完整性分析概论

随着时钟频率的提高,发现并解决信号完整性问题成为产品开发的关键。成功的秘诀是精通信号完整性分析技术,并能采取高效设计过程以消除这些问题。只有熟地运用新的设计规则、新的技术和新的分析工具,才能实现高性能设计,并日益缩短…

第二份代码:PointNet++

参考的依然是Pytorch的实现,PointNet里面的主要实现部分都在utils.py里,里面从微小模块逐渐的,搭建出网络中的几个主要模块结构,包括sampling&group等,所以我们主要分析的就是这个utils.py里面的内容 这份Pytorch实…

PE结构之绑定导入表

打印绑定导入表 //打印 绑定导入表 BOOL PrintBoundImport(__in char* m_fileName) {char* Filebuffer NULL;if (!GetFileBuffer(m_fileName, &Filebuffer)) return FALSE;PIMAGE_DOS_HEADER LPdosHeader NULL;PIMAGE_NT_HEADERS LPntHeader NULL;LPdosHeader (PIMAGE…

LLM | Tokenization 从原理与代码了解GPT的分词器

声明:以上内容全是学习Andrej Karpathy油管教学视频的总结。 --------------------------------------------------------------------------------------------------------------------------------- 大家好。在今天我们学习llm中的Tokenization,即分…

快收藏!超实用标签title属性重写,让同事对你刮目相看

原生title属性的弊端 日常开发中,我们经常会遇到hover文本,显示其全部内容的需求。但是原生的title属性有两个很大的缺点 样式丑陋,无法更改 windows下的样式 mac下的样式 不够智能,属性显影只能人为控制 只要写了title属性&a…

使用Provide和Inject设计Vue3插件

使用provide和inject的Vue依赖项注入非常适合构建Vue3插件或避免prop多层传递。 尽管不经常使用它,但是您可以仅使用两个内置方法来实现依赖项注入:provide和inject。 查看Composition API文档,在Vue 3.0中,使用Provide和Inject进…

【笔记】Day2.5.1查询运费模板列表(未完

(一)代码编写 1.阅读需求,确保理解其中的每一个要素: 获取全部运费模板:这意味着我需要从数据库中查询所有运费模板数据。按创建时间倒序排序:这意味着查询结果需要根据模板的创建时间进行排序&#xff0…