"You tell me": A Dataset of GPT-4-Based Behaviour Change Support Conversations
该论文介绍了一个包含基于 GPT-4 的行为改变支持对话数据集，旨在通过收集真实用户交互、语言分析及反馈数据，弥补现有研究对用户行为及其对大语言模型生成内容影响关注的不足，从而为相关系统的设计提供实证依据。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是在记录一场“数字心理教练”的实战演习。
想象一下，你走进了一家特殊的健身房。这里没有举铁，也没有跑步机，而是有两个AI 教练（基于 GPT-4 大模型），专门负责帮你改掉坏习惯，比如“吃得更健康”、“少拖延”或者“更环保”。
这篇论文的核心，就是作者把这两个教练和 164 位“学员”之间的185 次对话录音整理成了一个巨大的数据库，并分享给大家，让大家研究这些对话里发生了什么。
下面我用几个生动的比喻来拆解这篇论文：
1. 两个教练，两种风格
这次演习里有两个教练，他们的“人设”完全不同：
- 教练 A（普通版 GPT-4）： 就像是一个博学但有点直男的朋友。你问他什么，他就答什么，可能会直接给你一堆建议，或者顺着你的话聊，但缺乏特定的心理技巧。
- 教练 B（MI 适配版 GPT-4）： 这是一个受过专业训练的“动机访谈”（Motivational Interviewing）大师。
- 什么是“动机访谈”？ 想象一下，当你不想去运动时，普通教练会说：“去运动吧，对身体好！”而这位大师教练会说：“你觉得今天不想动，是因为太累了，还是因为觉得运动很无聊？如果是无聊，我们能不能换个有趣的方式？”
- 教练 B 被设定为不直接给建议，而是像一面镜子，通过提问和复述，引导你自己发现改变的动力。
2. 演习过程：12 回合的“心理博弈”
每个学员都要和其中一个教练聊12 个回合（就像打乒乓球，你来我往 12 次）：
- 前 4 回合（热身）： 教练先了解你想改什么毛病，问问你“改变的决心有多大”（比如从 1 到 10 打分）。
- 中间 5 回合（核心）： 这是最精彩的部分。
- 学员说话。
- 如果是教练 B，系统会先分析学员的话（是“我想改”还是“我不想改”），然后给 GPT-4 一个“剧本提示”，让它用特定的心理技巧（比如“重构”：把学员的消极想法换个角度解读）来回答。
- 学员每说一句话，系统都会给学员的“决心”打个标签（是“改变派”还是“维持现状派”）。
- 后 3 回合（总结）： 教练总结刚才的谈话，让学员定下具体的下一步计划，然后道别。
关键点： 每次教练说完话，学员都要给它打分（ helpful/有用，unhelpful/没用，harmful/有害），就像我们在外卖软件上给骑手打分一样。
3. 数据里藏了什么宝藏？
这个数据库不仅仅是聊天记录，它像是一个超级详细的“实验报告”，里面包含了：
- 学员的画像： 年龄、学历、原本想改什么毛病（大多数人想改“拖延症”）。
- 心理指标： 聊天前和聊天后，学员的“改变意愿”有没有提升？他们觉得教练有没有同理心？
- 对话分析： 学员说的每一句话被自动分类了。比如，学员说“我知道该减肥，但太忙了”，系统会标记这是“维持现状的借口”；如果说“我想明天开始跑步”，就是“改变的决心”。
- 学员的吐槽： 很多学员在打分时会写：“你为什么不直接告诉我该吃什么？”这揭示了用户其实并不总是想要被引导，有时候他们就是想要一个直接的答案。
4. 为什么要做这个研究？（为什么要分享这个数据库？）
以前的研究大多关注“怎么让 AI 说得更像人”或者“怎么让 AI 更聪明”，就像只关注教练的肌肉练得够不够大。
但这篇论文关注的是学员的反应。
- 比喻： 就像以前我们只研究怎么把汽车引擎造得更好，现在我们要研究司机在开车时到底在想什么。
- 发现： 研究发现，虽然教练 B 很专业，但有些学员反而觉得它“废话多”、“不给干货”。这说明，AI 在心理治疗领域不能只懂技术，还得懂用户的真实需求。
5. 这个数据库能用来做什么？
这就好比给未来的 AI 开发者们提供了一本**“用户行为百科全书”**：
- 训练更聪明的 AI： 让 AI 学会识别用户什么时候需要安慰，什么时候需要建议。
- 预测用户需求： 比如用户说“这很难坚持”，AI 能立刻明白他其实是在暗示“我需要具体的执行方案”，而不是听大道理。
- 设计更好的系统： 帮助开发者设计出既专业又让人愿意聊下去的 AI 心理助手。
总结
简单来说，这篇论文就是把 164 个人和两个 AI 教练的“心理按摩”过程全部录下来，并贴上了详细的标签。
它告诉我们：在让 AI 帮助人类改变习惯时，不仅要关注 AI 说得有多好，更要关注人类在对话中是怎么想的、怎么反应的。这就像是为了造出一辆真正懂司机的自动驾驶汽车，我们需要先研究清楚司机在方向盘后到底在经历什么。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。