When Less Is More: An Empirical Study of Minimal Responses in Counseling Dialogues and the Behavior of LLMs
本文通过实证研究表明，尽管极简回应对于有效的心理辅导至关重要，但在大语言模型生成的对话中，这类回应显著不足，且往往被现有的评估框架所低估，因为模型在缺乏明确指令的情况下，难以恰当地运用这些回应。
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
在心理咨询那静谧的空间里，治疗师最常运用的强大工具往往不是长篇大论或复杂的策略，而是一个简单的声音。一声轻柔的“嗯哼”、一句简短的“我明白了”或一个短促的“是的”，都能传递出深度的关注，认可来访者的感受，并引导他们继续诉说。这些被称为“极小反应”（minimal responses）。它们不会中断一个人叙述的流向；相反，它们就像一只轻抚肩膀的手，在说：“我在，我在倾听。”几十年来，人类咨询师一直依赖这些微小的言语线索来建立信任，并鼓励来访者探索其内心最深处的想法。然而，随着人工智能开始步入虚拟咨询师的角色，一个关键的问题出现了：计算机能否学会通过“少说”来实现“多做”的艺术？
东京大学的一位研究人员着手调查了这一问题。他们研究了当前的人工智能系统在理解心理支持中“简洁性”价值方面的表现。研究人员分析了大量的咨询对话，将真实人类治疗师的录音与由大语言模型（即驱动现代聊天机器人的复杂计算机程序）生成的对话进行了对比。他们发现了一个显著的差异。在现实世界的录音中，极小反应非常普遍，治疗师经常通过这些反应来鼓励来访者继续倾诉其负担。然而，在计算机生成的对话中，这些简短的确认几乎完全消失了。相反，人工智能倾向于产生冗长的、信息量巨大的回复，即使在需要沉默和单纯陪伴的情况下，也往往会包含问题或建议。
为了理解这种差距产生的原因，研究人员开发了一种严谨的方法，用以识别不同语言（包括中文、日语和英语）中的这些短促反应。他们寻找那些非常简短且没有引入新话题或问题的咨询师话语，并检查来访者是否在之后立即继续了交谈。他们的分析证实，人类治疗师在约百分之五到百分之二十四的轮次中使用这些极小线索，具体取决于数据集。相比之下，接受过合成数据（即由计算机而非人类记录生成的对话）训练的人工智能模型，在特定测试模型中产生的极小反应率低至 0.00% 和 0.35%。接受合成数据训练的模型似乎学习到了一种僵化的模式：倾听，然后立即提供详细且有帮助的回复。它们似乎忽略了通过单纯地为来访者“留白”所具有的微妙的交互价值。
随后，研究人员测试了如果明确要求，这些人工智能系统是否也能学会使用极小反应。他们从真实的咨询环节中选取了特定的时刻——在这些时刻，人类治疗师使用了简短且具有支持性的短语——并要求人工智能针对相同的情境生成回复。当给予“扮演一名咨询师”的标准指令时，最先进的商业模型会产生长篇且详细的答案。然而，当研究人员增加了一条特定指令，要求模型在来访者仍在表达情绪时使用简短的回复，模型的行为发生了改变。它们成功地在几乎所有案例中生成了极小反应，证明了这项技术具备产生此类反应的能力。然而，如果没有那条特定指令，模型仍然难以识别何时该保持简洁，往往会陷入提供过多信息的习惯中。
这种倾向对我们判断对话质量的方式产生了显著的副作用。研究显示，目前用于评估人工智能咨询回复的方法往往会对“简洁性”进行惩罚。当研究人员要求人工智能根据专业性和完整性等标准对回复进行评分时，那些简短、具有人类感的极小反应得分较低。评估系统更青睐那些内容丰富、长篇大论的回复，尽管这些长篇回复更容易中断来访者的思维流。在现实世界中，一位说话过多的咨询师可能会关闭来访者分享的意愿，但目前的评估系统似乎更看重“专业性的表象”，而非对话本身的流畅度。
研究结果表明，要实现更好的人工智能咨询系统，需要转变模型的训练和评估方式。如果数据缺乏人类互动的自然节奏，仅仅向计算机喂入更多数据是不够的。研究指出，接受合成数据（计算机生成数据）训练的模型无法学会极小反应的细微差别，而接受真实人类对话训练的模型表现更好。此外，研究人员警告说，依赖自动化评分系统可能会在无意中促使开发者创造出“话多”的聊天机器人，从而错失了沉默所具有的疗愈力量。对于人工智能而言，若要真正支持心理健康，它必须学会：有时，最专业且最具同理心的表达方式，就是保持沉默，或者仅仅说出几个词，传达出：“我听到了。”
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。