Trainieren von Modellen zur Generierung, Erkennung und Umformulierung unvorteilhafter Gedanken

Training Models to Generate, Recognize, and Reframe Unhelpful Thoughts

July 6, 2023

Autoren: Mounica Maddela, Megan Ung, Jing Xu, Andrea Madotto, Heather Foran, Y-Lan Boureau

cs.AI

Zusammenfassung

Viele kognitive Ansätze zum Wohlbefinden, wie das Erkennen und Umgestalten ungünstiger Gedanken, haben in den letzten Jahrzehnten erhebliche empirische Unterstützung erhalten, finden jedoch immer noch keine wirklich breite Verbreitung in Selbsthilfeformaten. Ein Hindernis für diese Verbreitung ist das Fehlen von ausreichend spezifischem und vielfältigem Übungsmaterial. Diese Arbeit untersucht, ob aktuelle Sprachmodelle genutzt werden können, um sowohl eine praktisch unbegrenzte Menge an Übungsmaterial zu erzeugen, das standardmäßige ungünstige Denkmuster in spezifischen gegebenen Kontexten veranschaulicht, als auch geeignete positive Umgestaltungsvorschläge zu generieren. Wir stellen PATTERNREFRAME vor, einen neuartigen Datensatz mit etwa 10.000 Beispielen von Gedanken, die ungünstige Denkmuster enthalten und auf eine gegebene Persona abgestimmt sind, begleitet von etwa 27.000 positiven Umgestaltungen. Indem wir diesen Datensatz verwenden, um aktuelle Modelle zu trainieren und/oder zu evaluieren, zeigen wir, dass bestehende Modelle bereits mächtige Werkzeuge sein können, um eine Fülle von maßgeschneidertem Übungsmaterial und Hypothesen zu generieren, ohne oder mit minimalem zusätzlichen Modelltraining.

English

Many cognitive approaches to well-being, such as recognizing and reframing unhelpful thoughts, have received considerable empirical support over the past decades, yet still lack truly widespread adoption in self-help format. A barrier to that adoption is a lack of adequately specific and diverse dedicated practice material. This work examines whether current language models can be leveraged to both produce a virtually unlimited quantity of practice material illustrating standard unhelpful thought patterns matching specific given contexts, and generate suitable positive reframing proposals. We propose PATTERNREFRAME, a novel dataset of about 10k examples of thoughts containing unhelpful thought patterns conditioned on a given persona, accompanied by about 27k positive reframes. By using this dataset to train and/or evaluate current models, we show that existing models can already be powerful tools to help generate an abundance of tailored practice material and hypotheses, with no or minimal additional model training required.