[论文解读] PsyCLIENT: Client Simulation via Conversational Trajectory Modeling for Trainee Practice and Model Evaluation in Mental Health Counseling

Huachuan Qiu, Zhaoming Chen+4 more|arXiv (Cornell University)|Jan 12, 2026

Digital Mental Health Interventions被引用 0

一句话总结

PsyCLIENT 引入一个对话轨迹建模框架，用以模拟多样、真实的中文客户端互动，供学员练习和评估基于大语言模型的辅导员，达到高真实感与培训效果。其优于基线，生成的对话与真人客户端几乎无法区分。

ABSTRACT

LLM-based client simulation has emerged as a promising tool for training novice counselors and evaluating automated counseling systems. However, existing client simulation approaches face three key challenges: (1) limited diversity and realism in client profiles, (2) the lack of a principled framework for modeling realistic client behaviors, and (3) a scarcity in Chinese-language settings. To address these limitations, we propose PsyCLIENT, a novel simulation framework grounded in conversational trajectory modeling. By conditioning LLM generation on predefined real-world trajectories that incorporate explicit behavior labels and content constraints, our approach ensures diverse and realistic interactions. We further introduce PsyCLIENT-CP, the first open-source Chinese client profile dataset, covering 60 distinct counseling topics. Comprehensive evaluations involving licensed professional counselors demonstrate that PsyCLIENT significantly outperforms baselines in terms of authenticity and training effectiveness. Notably, the simulated clients are nearly indistinguishable from human clients, achieving an about 95\% expert confusion rate in discrimination tasks. These findings indicate that conversational trajectory modeling effectively bridges the gap between theoretical client profiles and dynamic, realistic simulations, offering a robust solution for mental health education and research. Code and data will be released to facilitate future research in mental health counseling.

研究动机与目标

• 解决基于 LLM 的咨询仿真中缺乏多样且真实的客户端画像的问题。
• 提出一个 principled、基于轨迹的框架来建模真实的客户端行为。
• 创建 PsyCLIENT-CP，这是首个覆盖 60 个主题的开源中文客户端画像数据集。
• 通过专家评估证明基于轨迹的仿真在真实性和培训效果方面的提升。

提出的方法

• 将客户行为形式化为一个离散的多标签空间并定义行为轨迹。
• 定义辅导策略空间以及从客户端行为到有效辅导回应的映射。
• 开发 G，以在给定客户端画像和目标行为集合条件下生成话语，并受限于语言实现 L_B。
• 采用包含客户端画像、对话历史、行为标签以及内容约束的提示设计，用于基于 LLM 的客户端仿真。
• 从带行为注释的真实对话中提取对话轨迹以指导仿真。
• 开源 PsyCLIENT-CP，包含 60 个主题和 38,880 个潜在客户端实例（120 个画像 × 324 条轨迹）。

实验结果

研究问题

• RQ1 RQ1 真实性：在专家评估中，PsyCLIENT 对话是否比基线具有更高的真实性？
• RQ2 RQ2 区分性：专家是否能将 PsyCLIENT 对话与人-人对话或基线生成的对话区分开？
• RQ3 RQ3 有效性：与其他方法相比，辅导员是否认为 PsyCLIENT 在培训方面更有效？

主要发现

• PsyCLIENT 在流畅度、情感表达、连贯性、适切性和整体真实性方面均高于原始、内容和行为基线。
• 轨迹中的行为标注在提升真实感方面带来最大增益，内容提供了额外但较小的好处。
• 专家几乎无法将 PsyCLIENT 对话与真人客户端对话区分开（困惑率约 95%）。
• PsyCLIENT 在听力、提问、情感处理、技术练习和建议等咨询有效性方面优于基线。
• 对 PsyCLIENT 的区分性对专家评判而言达到或接近随机水平，显示生成对话的高真实感。