概要: 効果的なメンタルヘルス・カウンセリングは、心理学的枠組み、リアルタイムの苦痛シグナル、そして戦略的介入計画を同時に統合する必要がある、複雑で理論駆動型のプロセスである。このレベルの臨床的推論は、安全性と治療効果の双方にとって極めて重要だが、一般用途の大規模言語モデル(LLM)ではしばしば欠落している。我々は、構造化された臨床知識と生成AIの間のギャップを埋めることを目的とした、新しい枠組みSAGE(Strategy-Aware Graph-Enhanced)を提案する。SAGEは、会話のダイナミクスと、心理学的に裏付けられた層を統合する異種グラフを構築し、相互作用を理論駆動型の語彙に明示的に結び付ける。我々のアーキテクチャはまず、最適な治療的介入を特定するNext Strategy Classifierを用いる。続いて、Graph-Aware Attention機構により、グラフ由来の構造的シグナルをソフトプロンプトへと投影し、LLMが臨床的な深みを維持した応答を生成できるように条件付けする。自動評価指標と専門家による人手評価の双方によって検証した結果、SAGEは戦略予測および推奨応答品質の点でベースラインを上回った。実行可能な介入推奨を提供することで、SAGEは、高リスクな危機カウンセリングにおける人間の専門性を補強することを目的とした、最先端の意思決定支援ツールとして機能する。
SAGE:オンラインカウンセリング向けの戦略対応型グラフ強化生成フレームワーク
arXiv cs.CL / 2026/4/30
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文では、オンラインのメンタルヘルス・カウンセリングにおける臨床的推論を一般用途のLLMに補強する「SAGE」という戦略対応型フレームワークを提案しています。
- SAGEは、会話のダイナミクスと、理論に基づく心理学的な語彙層を統合したヘテロジニアス・グラフを構築し、安全性と治療効果の向上を狙っています。
- Next Strategy Classifierで最適な治療介入戦略を特定した後、Graph-Aware Attentionによりグラフ由来の構造的な手がかりをソフトプロンプトへ反映し、LLMの応答生成を条件付けます。
- 自動評価指標と専門家による人手評価の両方で、SAGEはベースラインに比べて戦略予測と推奨応答の質のいずれでも優れた結果を示したと報告されています。
- 著者らはSAGEを、高リスクな危機カウンセリングにおいて人の専門性を補完する介入推奨の意思決定支援ツールとして位置づけています。



