Addestramento di Modelli per Generare, Riconoscere e Riformulare Pensieri Disfunzionali

Training Models to Generate, Recognize, and Reframe Unhelpful Thoughts

July 6, 2023

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

cs.AI

Abstract

Molti approcci cognitivi al benessere, come il riconoscimento e la ristrutturazione di pensieri disfunzionali, hanno ricevuto un notevole supporto empirico nel corso degli ultimi decenni, ma mancano ancora di una diffusione veramente ampia in formato di auto-aiuto. Un ostacolo a questa adozione è la mancanza di materiale di pratica dedicato sufficientemente specifico e diversificato. Questo lavoro esamina se i modelli linguistici attuali possano essere sfruttati sia per produrre una quantità virtualmente illimitata di materiale di pratica che illustri schemi di pensiero disfunzionali standard corrispondenti a contesti specifici, sia per generare proposte adeguate di ristrutturazione positiva. Proponiamo PATTERNREFRAME, un nuovo dataset di circa 10.000 esempi di pensieri contenenti schemi di pensiero disfunzionali condizionati su una determinata persona, accompagnati da circa 27.000 ristrutturazioni positive. Utilizzando questo dataset per addestrare e/o valutare i modelli attuali, dimostriamo che i modelli esistenti possono già essere strumenti potenti per aiutare a generare un'abbondanza di materiale di pratica e ipotesi personalizzati, senza o con un addestramento aggiuntivo minimo richiesto.

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.