ODRA：通过结构化思维链和动态患者阻抗合成认知行为治疗会话

# 合成具有结构化思维链和动态患者阻抗的认知行为疗法会话

来源：https://arxiv.org/html/2608.04524

Javier Rodriguez-Juan¹, Hiba Arnaout², Jose Garcia-Rodriguez¹, David Tomás¹, Iryna Gurevych²

¹3DPLab，阿利坎特大学计算机科学与技术系
²UKP Lab，达姆施塔特工业大学计算机科学系与黑森人工智能中心（hessian.AI）

通讯作者：[email protected] (https://arxiv.org/html/2608.04524v1/mailto:[email protected])

###### 摘要

认知行为疗法（CBT）会话的合成生成面临两个相互竞争的需求：既要遵循严格的治疗结构，又要模拟真实患者具有阻抗性、不可预测的行为。现有的基于脚本的方法无法捕捉动态的治疗互动，而多智能体方法则难以遵循 CBT 的顺序结构；这两种方法都受到谄媚问题的影响，生成过度顺从的患者，无法真实反映临床场景。在本工作中，我们提出了 ODRA，一个基于 CBT 指南 Beck (2020 (https://arxiv.org/html/2608.04524#bib.bib25)) 的思维链（CoT）策略来合成治疗对话的新颖框架。ODRA 进一步引入了阻抗编排器来解决患者谄媚问题，该编排器采用引导技术来激发与患者阻抗水平一致的行为。自动化和专家评估表明，ODRA 在治疗技能、CBT 一致性以及患者行为保真度方面显著优于现有方法，持证心理学家在 13 项临床指标中的 12 项上更偏好 ODRA 生成的会话。此外，在我们的数据集上微调的模型在与合作型和阻抗型患者互动时均表现出更优的治疗性能，验证了合成训练数据中显式阻抗建模可直接转化为下游临床鲁棒性。¹¹代码可在 anonymous.4open.science/r/ODRA (https://arxiv.org/html/2608.04524v1/anonymous.4open.science/r/ODRA) 获取，数据作为补充材料提供。

ODRA：合成具有结构化思维链和动态患者阻抗的认知行为疗法会话

Javier Rodriguez-Juan¹, Hiba Arnaout², Jose Garcia-Rodriguez¹, David Tomás¹, Iryna Gurevych²

¹3DPLab，阿利坎特大学计算机科学与技术系
²UKP Lab，达姆施塔特工业大学计算机科学系与黑森人工智能中心（hessian.AI），达姆施塔特工业大学

通讯作者：[email protected] (https://arxiv.org/html/2608.04524v1/mailto:[email protected])

## 1 引言

近年来，心理健康障碍的患病率显著上升 Foulkes and Andrews (2023 (https://arxiv.org/html/2608.04524#bib.bib20)); McGorry et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib21))。虽然大语言模型（LLMs）为扩大心理健康支持提供了有前景的途径 Stade et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib22)); Nguyen et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib23)); Na et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib1))，但其发展受到高质量数据匮乏的严重制约，这主要是由于严格的隐私和伦理要求 Badawi et al. (2026 (https://arxiv.org/html/2608.04524#bib.bib24))。尽管合成数据生成已成为一种有前景的解决方案 Bao et al. (2023 (https://arxiv.org/html/2608.04524#bib.bib3)); Giuffrè and Shung (2023 (https://arxiv.org/html/2608.04524#bib.bib26))，但现有方法往往难以生成与真实世界治疗话语一致的可信数据——在真实治疗中，治疗师遵循临床协议，而患者表现出广泛多样的行为 B et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib4))。

参见图注
图1：ODRA 框架通过思维链方法合成 CBT 咨询会话，确保严格遵循基础 CBT 指南中定义的顺序阶段，同时激发与指定患者档案一致的阻抗行为。

近期工作试图通过基于脚本的方法 Lee et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib2)); Kim et al. (2025b (https://arxiv.org/html/2608.04524#bib.bib19)) 或多智能体方法 Mandal et al. (2026b (https://arxiv.org/html/2608.04524#bib.bib7)); Yang et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib8)) 来缓解这种不一致问题。基于脚本的方法通过单次生成过程合成整个咨询会话，擅长遵循结构指南，但无法模拟动态的治疗互动。相反，多智能体方法通过交替生成治疗师和患者的 utterances 来促进真实的对话流，但难以精确遵循结构化的临床协议。此外，它们忽略了对具有挑战性的患者行为进行建模——这些行为通常被称为*阻抗*——例如防御性或轻视性言语，它们会阻碍治疗过程 Westra and Norouzian (2018 (https://arxiv.org/html/2608.04524#bib.bib54)); Chapman and Rosenthal (2016 (https://arxiv.org/html/2608.04524#bib.bib47))。在模拟像认知行为疗法（CBT）这样高度结构化的框架时，这些问题更加突出 Beck (2020 (https://arxiv.org/html/2608.04524#bib.bib25))。CBT 依赖于一系列顺序阶段的推进，通过修正适应不良的认知模式来缓解心理困扰。由于其广泛的适用性 Cuijpers (2019 (https://arxiv.org/html/2608.04524#bib.bib30))，该协议经常被用作生成合成治疗对话的参考 Lee et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib2)); Mandal et al. (2026b (https://arxiv.org/html/2608.04524#bib.bib7))。尽管其广受欢迎，我们识别出现有 CBT 合成方法中的三个主要缺口：

(1) 结构不准确。虽然现有方法融入了 CBT 技术，但它们缺乏一个涵盖既有 CBT 协议中定义的所有阶段的整体框架 Beck (2020 (https://arxiv.org/html/2608.04524#bib.bib25))。

(2) 患者谄媚。现有方法经常遭受过度顺从的问题 Sharma et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib16))。如果没有稳健的机制来模拟患者阻抗，这些模型会引出不现实的行为，无法模拟治疗师在真实实践中面临的挑战。

(3) 未经验证的推理轨迹。尽管思维链（CoT）方法最近已被探索 Chen et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib13))，但目前没有方法提供经过临床验证、基于 CBT 的推理痕迹，适合将专家决策过程内化到治疗模型中（见图1 (https://arxiv.org/html/2608.04524#S1.F1)）。

我们通过以下贡献来解决这些缺口：

1. 我们引入了 ODRA，这是第一个严格遵循基础 CBT 协议的生成框架。通过采用 CoT 目标驱动方法，我们的方法复现了完整治疗会话的结构动态，同时提供经过临床验证的推理轨迹，捕捉专家干预背后的底层逻辑。

2. 我们提出了一种新颖的阻抗档案机制，使用引导技术来激发具有挑战性的患者行为，准确反映真实临床场景中阻抗患者所带来的困难。

3. 我们使用自动化指标和人类专家评估对我们的框架进行了广泛评估。结果表明，ODRA 在治疗师咨询技能方面比纯文本方法提升了 +10.25%，在患者行为保真度方面提升了 +63.87%，并且专家在多项临床依从性和患者真实性指标上将 ODRA 评为首选生成方法。

4. 我们对 Llama-3 和 Qwen-3.5 模型进行微调，以比较 ODRA 对话的下游实用性，结果表明，经过 ODRA 微调的模型在与合作型和阻抗型患者互动时，在咨询技能方面分别比纯文本基线提升了 +26.20% 和 +17.02%。

5. 我们发布了微调后的模型和一个由 150 次 CBT 会话组成的数据集，包含 9,577 轮对话和总共 18,496 条推理轨迹。

## 2 相关工作

认知行为疗法。CBT 专注于识别和重构认知扭曲，这些扭曲被定义为由个体核心信念驱动的消极思维偏差 Kuru et al. (2018 (https://arxiv.org/html/2608.04524#bib.bib27)); Sharma et al. (2023 (https://arxiv.org/html/2608.04524#bib.bib28)); Hotta et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib29))。这些扭曲通常源自认知模型，即描述人们的思维如何影响其情绪和行为反应的结构 Chahar Mahali et al. (2020 (https://arxiv.org/html/2608.04524#bib.bib32)); Wang et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib33))。基础 CBT 协议依赖于严格的结构元素——如情绪检查或家庭作业回顾——这些元素被组织成顺序阶段来指导治疗过程。

合成咨询会话生成。生成方法大致可分为基于脚本的方法 Mandal et al. (2026a (https://arxiv.org/html/2608.04524#bib.bib5)); Lee et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib2)); Zhang et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib6)) 和多智能体架构 Mandal et al. (2026b (https://arxiv.org/html/2608.04524#bib.bib7)); Yang et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib8)); Nguyen et al. (2026 (https://arxiv.org/html/2608.04524#bib.bib9)); Xiao et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib10)); Vu et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib11))。基于脚本的方法通常依赖于从患者输入数据中得出的会话前大纲，使用单个提示合成对话 Lee et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib2))。现有工作探索了多样化的患者档案输入，从接收表格 Lee et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib2)) 和问卷 Vu et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib11)) 到心理图谱 Mandal et al. (2026a (https://arxiv.org/html/2608.04524#bib.bib5))。例如，Graph2Counsel Mandal et al. (2026a (https://arxiv.org/html/2608.04524#bib.bib5)) 利用这些图谱，通过融入更深入的临床特征（如思维与情绪之间的交互）来增强真实性。然而，该方法对心理图谱的依赖限制了其可扩展性。此外，虽然基于脚本的方法在遵循临床协议方面很有效，但其僵化的特性使其在模拟动态治疗互动方面能力不足。MAGneT Mandal et al. (2026b (https://arxiv.org/html/2608.04524#bib.bib7)) 通过提出一个多智能体框架解决了这个问题，在该框架中治疗师和患者交替生成 utterances。这种设置促进了真实的对话流，但降低了 CBT 结构一致性，因为 LLM 在长时间多轮交互中常常难以遵循临床指南 Tan et al. (2026 (https://arxiv.org/html/2608.04524#bib.bib57))。近期工作引入了 CoT 步骤来模拟潜在的临床推理 Xu et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib12)); Kim et al. (2025a (https://arxiv.org/html/2608.04524#bib.bib14)); Hu et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib15)); Chen et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib13))。然而，这些方法都没有解决完整 CBT 会谈的生成问题。我们的工作通过提供一个能够忠实捕捉完整 CBT 会话多阶段进展的多智能体架构来解决这些局限。

LLM 谄媚。基于 LLM 的多智能体交互中一个普遍问题是谄媚 Sharma et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib16)); Pitre et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib17)); Hong et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib18))，即智能体相互强化彼此的输出，而不是维持其被分配的角色 B et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib4))。在治疗情境中，这表现为过度顺从，当患者本应表达消极态度时，这会阻碍对话的真实性。在 MIRROR Kim et al. (2025b (https://arxiv.org/html/2608.04524#bib.bib19)) 中，患者档案中包含一个静态阻抗类别来模拟患者立场。然而，依赖静态变量限制了在整个会话中捕捉阻抗动态的能力。CALM-IT Nguyen et al. (2026 (https://arxiv.org/html/2608.04524#bib.bib9)) 通过引入动态阻抗变量来解决这一问题，但该变量仅用于简单的提示策略，缺乏态度性指令，不足以改变患者态度。为克服这些局限，我们提出使用 LLM 引导技术，其目标是通过参数化方法 Wu et al. (2026 (https://arxiv.org/html/2608.04524#bib.bib38)); Cao et al. (2024 (https://arxiv.org/html/2608.04524#bib.bib39)); Da Silva et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib41)) 或提示策略（其有效性已在近期工作中得到证明 Wu et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib42)); Banayeeanzade et al. (2025 (https://arxiv.org/html/2608.04524#bib.bib43))）将模型输出与输入概念对齐。与 CALM-IT 方法不同，提示引导技术包含关于模型应如何表现的具体指南。尽管引导技术很有效，但尚未被探索用于在咨询会话中对患者进行建模。为弥合这些差距，ODRA 引入了一种生成阻抗更新的机制，同时采用提示引导技术来将该阻抗反映在患者 utterances 中。

## 3 ODRA

参见图注
图2：ODRA 的架构概览。(A) CBT 对齐器控制一个五阶段流水线的会话执行。(B) 接收表格对患者档案和态度进行建模。患者根据治疗师输入更新阻抗，采样一个动作，并在该动作、更新后的阻抗和引导提示的指导下生成 utterance。另一方面，治疗师评估患者 utterances 中的治疗干扰行为（TIBs），预测患者阻抗，并通过特定阶段的推理生成响应。(C) 阻抗编排器采用指数平滑（ES）或均值回归指数平滑（MR-ES）来更新阻抗，而行为档案器（BP）将阻抗映射为态度性引导提示和动作分布。

图2 (https://arxiv.org/html/2608.04524#S3.F2) 展示了 ODRA 的主要组件：CBT 对齐器、阻抗编排器，以及治疗师和患者模型。

### 3.1 CBT 对齐器

为了模拟真实世界 CBT 的结构动态，我们开发了一个基于基础 CBT 指南 Beck (2020 (https://arxiv.org/html/2608.04524#bib.bib25)) 的多阶段框架。由于标准 CBT 治疗过程由多次会话组成，我们将该方法调整为单会话合成范式。这种调整产生了一个五阶段流水线：

(1) 开场。初始阶段，旨在识别患者情绪和主要呈现问题；

(2) 认知概念化。发现阶段，治疗师识别认知模型（见第2节 (https://arxiv.org/html/2608.04524#S2)）。对于每个认知模型，治疗师推断最可能相关的认知扭曲（参见