萦绕心头的话语：面向心理治疗中自我不透明来访者的个性化表达模拟 Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy
Pandora框架显式规划来访者怎么说，把模拟AI感从43–67%压到7.2%
前置知识
Levelt 言语产出模型
心理学家 Levelt 提出的言语产出三阶段理论：概念准备（决定想说什么）、语言形式化（组织词汇与句法）、发音执行。Pandora 借用其中'概念准备与语言形式化相互分离'的思想，把来访者'想说什么'（语义规划）与'怎么说'（表达规划）拆成两个显式的规划阶段。
本文框架的整体架构——先规划内容、立场与会话目的，再单独规划语言实现——正是建立在这一区分之上；不理解概念准备与形式化的分离，就无法理解方法设计的核心动机。
个案概念化（Case Formulation）
心理咨询中将来访者的经历、信念与应对模式组织成临床解释框架的过程，例如 CBT 个案概念化把早年起源、核心信念、自动思维连接成一条解释链。Patient-Ψ 等模拟器直接用它作为生成依据。
论文诊断出的现有方法病根就在这里：概念化是治疗师视角的组织化解释，来访者本人可能只部分意识到。理解'临床解释'与'来访者自我理解'之间的落差，是读懂全文动机的关键。
主观评价与归因（Appraisal & Attribution）
评价理论中，个体对事件赋予情绪意义并形成当下解释：评价 $a_t$ 回答'这情境对我构成什么威胁、我有多大把握'，归因 $b_t$ 回答'我如何解释这段经历'（归因于自己、他人还是情境）。Pandora 用两者刻画来访者此时此刻的主观视角。
这是 Pandora 表达规划的起点：同一份案例材料在不同心理状态下可产生不同的主观账户，由此才能保留来访者'感觉到了但说不清'的不确定性，这正是'自我不透明'的技术含义。
披露对齐评测（LDDA/DS/GDS）
评测用 L1–L3 记忆卡代码本比较参考对话与生成对话中每张卡首次披露的时机：LDDA 衡量披露时机对齐，DS 衡量前置依赖满足率，BFE/BSE 衡量披露捆绑的频率/尺寸误差，GDS 综合三者。判定卡片完成靠 claim verification（所需 claim 被累计支持），而非生成器自报深度。
Pandora 的披露优势（GDS 0.871）与表达优势（$S_{style}$ 0.566）全部用这套指标测出；不看懂指标定义就无法判断结果表里数字的含义与含金量。
文体计量相似度与 AIR
用字符 4-gram TF-IDF（最多 4000 维）表示来访者话语，计算生成话语与来源对话的余弦相似度；再做内容约简（遮蔽词表抹去主题词）以区分'表达模式'与'共同话题'，得到 $S_{style}$ 与 $S_{raw}$ 两个视角。AIR（AI-like judgment rate）则是 4 位评估者对每条候选做二分类'像不像 AI'的判定率。
论文的两类核心证据——自动表达保真度与人类感知 AI 感——分别建立在这两种测量上；理解'去内容'相似度与 AIR 的测量逻辑，才能正确解读 Table 2 与 Table 3 的对比。
研究动机
现有 LLM 心理咨询来访者模拟器——Patient-Ψ（CBT 个案概念化+会话风格）、MindVoyager（元认知与关系状态）、ConsistentMI（改变准备度+动作选择）、PatientAct（关系公式化+情绪反应）等——都用临床视角的组织化表征指导生成。问题在于：个案概念化是治疗师的解释性账户，来访者本人可能只部分意识到、更说不清楚；拿它直接当生成依据，模拟来访者就会表现出超过其当下理解水平的'解释性连贯'。真实来访者在求助初期往往只能通过一件具体小事或试探性 remark 传达困扰，表达随情绪痛苦、安全感与信任度而变化。论文给的典型场景：来访者开始察觉'每当有人夸我我就不舒服'的模式时，不会立刻形成连贯解释，只会在具体情境里零星表达。Figure 1 的对比很直观：面对治疗师同一句提问，各现有模拟器都产出完整归因（'也许我做错了什么……我不停看手机，无法专注'），而真人此刻可能只说一句犹豫的 Maybe he's upset with me, or I said something wrong。这种过度清晰的'AI 腔'在治疗师训练场景会低估真实咨询中探索困难的难度。
本文的目标是本文的目标是构建一个把'心理经验如何变成当下、个性化的言语'作为显式建模对象的来访者模拟框架 Pandora。具体包括三点：一是让模拟来访者对治疗师干预做出心理与关系状态更新（信任、安全感、防御、觉察等维度），使表达随互动演化——例如治疗师漏掉情绪反映时，来访者安全感下降、防御上升；二是从来访者自己的主观评价与归因出发规划回应内容、立场与会话目的，而不是从临床概念化出发，从而保留'感觉到了但说不清'的模糊性；三是引入独立的表达规划模块，把离线从来访者自身话语蒸馏的语言习惯（口头标记、犹豫倾向、典型长度 52.5 字符等）与在线心理/会话条件结合，指导措辞、模糊限制语、情绪显性度和回复长度。衡量成功的标准是：在 115 个案例上披露对齐与表达相似度超过五个基线，且人类评估者感知的 AI 感（AIR）显著下降——最终 Pandora 把 AIR 压到 7.2%，接近真实参考话语的 4.4%。
与已有工作不同的是，论文的独特切入是把言语产出理论搬进来访者模拟：Levelt 区分'概念准备'与'语言形式化'，Pandora 据此把语义规划（说什么、带什么立场）与语言实现（用谁的口吻说）拆成两个显式接口。已有工作的风格控制（如人格化生成控制 hedging、冗长度）只改语气，不改心理解释的显性程度；认知/元认知建模提供了心理语境但不保证贴合个体的说话方式——论文实验显示 MindVoyager 的内容约简相似度 0.408 反而低于基于角色卡的 Interactive Agents 的 0.501，说明心理语境本身不等于表达保真。Pandora 的中间路线是：用主观评价/归因保留来访者视角的不确定性，用个体语言档案 $\\rho$ 约束最终实现，使'理解程度'与'表达方式'可以独立变化——一个犹豫的来访者也能直接回答事实问题，但保留 maybe 这类习惯性模糊标记，让'同一份案例材料在不同状态下产生不同的主观账户'成为可能。
核心方法
Pandora 是模块化流水线。在轮次 $t$，输入治疗师话语 $x_t$、历史 $H_{t-1}$、上一轮状态 $s_{t-1}$、案例材料 $M_t$（按时间剔除未来事件）和个体语言档案 $\\rho$。第一步由规则评估器识别治疗师话语中的澄清、提问、情绪反映机会及是否被利用，输出干预信号并按有界规则更新状态 $s_t$（情感、关系、防御、反思四维度）。第二步构造主观评价 $a_t$（情境威胁与解释置信度）与归因 $b_t$（从即时行为到试探性关系解读）。第三步组织内容计划 $d_t$（记忆 ID + 立场标签：hesitant/defensive/confused/overwhelmed/open）与回应策略 $r_t$，形成语义计划 $C_t=(a_t,b_t,d_t,r_t)$。第四步表达规划器输出实现计划 $L_t=F_{realize}(s_t,C_t,H_{t-1},\\rho)$，规定语言风格、代词焦点、确定性、情绪显性度、hedging 与长度/句数目标。最后客户端 LLM 把计划与档案填进提示词生成话语，并用 claim verification 跨轮追踪案例材料的表达，进入下一轮循环。
核心创新是把'语义计划'与'语言实现计划'显式分离，并让后者同时受两个来源条件化：稳定的个体语言档案（离线蒸馏的习惯标记 maybe、hedging、典型长度 52.5 字符、句数分布）与当下心理/会话条件（立场、归因框架、回应策略）。与已有方法的本质区别有三：第一，生成起点不是临床个案概念化而是来访者当下的主观评价与归因，同一案例材料在不同状态下产生不同主观账户，保留'感觉到了但说不清'的模糊性；第二，风格不再是贴在完整解释上的标签，而是独立规划层——Figure 1 中治疗师漏掉情绪反映时，Pandora 是唯一显式捕捉到'信任下降、安全感下降、防御上升'并因此输出简短试探回应的模拟器（Maybe he's upset with me, or I said something wrong，目标 41 字符、软上限 86 字符）；第三，表达规划允许语义直接性与语言习惯性解耦：answer_fact 策略要求直接措辞、低情绪显性度，但仍可保留个体习惯的 maybe 标记，既回应当前请求又维持个人声音。
方法步骤详情
第一步：干预评估与状态更新。规则评估器扫描 $x_t$，识别澄清/提问/情绪反映机会及使用情况（含被漏掉的机会），输出干预信号；有界规则更新四维状态（信任、安全感、痛苦、清晰度、防御、觉察的升降），规则与数值在附录 A。第二步：主观评价与归因。LLM 基于更新后状态、案例材料与干预信号生成 $a_t$（情绪意义、感知威胁、对自我与关系的含义、置信度，如 I could be judged if I say too much）与状态条件化归因 $b_t$（如 attribution_target: unclear）。第三步：内容与策略规划。$d_t$ 携带 disclose_memory_ids 与立场标签（如 hesitant），$r_t$ 按干预类型定制：事实问题先作答少内省、实际请求求简、反映邀请确认或修正、挑战允许抵抗或澄清。第四步：个体表达规划。离线档案 $\\rho$（习惯标记 maybe、hedging: high、长度 21–65 字符）与在线条件（立场定基调、归因定代词焦点、策略定直接性）合成实现计划 $L_t$。第五步：生成与执行。客户端 LLM 产出话语，内部 ID 与数值状态禁止出现；claim verification 检查记忆卡 claim 是否被累计支持，更新披露状态。
技术新颖性
新颖性体现在四层。(1) 问题形式化新颖：首次把'心理经验到当下言语'的转化本身作为模拟目标，而非模拟心理画像或行为策略。(2) 架构新颖：表达规划是独立的 $L_t$ 接口——Patient-Ψ 把风格塞进概念化提示、ConsistentMI 用状态选动作但不管措辞、Interactive Agents 只靠角色卡，都没有专门的语言实现规划层。(3) 个体语言档案构造：离线蒸馏习惯标记、hedging、长度分布等可操作变量，吸收了 Pennebaker 心理信息性词汇、Mairesse & Walker 可控风格生成、Smith & Clark hedging、Clark & Fox Tree 填充词功能的研究，跨轮复用保证个体声音稳定。(4) 评测方法学贡献：用 claim verification 而非生成器自报深度判定记忆卡完成，用内容约简相似度区分表达与主题，用四评估者二分类 AIR（每来源 180 次判断）测感知 AI 感，这些工具对用户模拟社区有复用价值。消融从反面证明架构必要性：去掉表达规划后 AIR 从 7.2% 跳到 35.6%，$S_{style}$ 从 0.566 跌到 0.458。
实验结果
自动评测在 Core115（97 中文 + 18 英文案例）上对比七套系统。披露对齐（Table 2）：Pandora 的 GDS 达 0.871，远超最强基线 ConsistentMI 的 0.664；LDDA 0.852、DS 0.875；分层 LDDA 在 L1/L2/L3 为 0.843/0.854/0.866（Figure 2），每层领先所有基线与消融；BSE 0.127 最低，BFE 0.102 略逊于 Interactive Agents 的 0.099。表达保真：内容约简/原始相似度 0.566/0.385，超 ConsistentMI 的 0.512/0.352；中文子集上优势保持（0.489/0.422 对 0.427/0.385）。消融（w/o EP）GDS 仍有 0.828 高于所有基线，但相似度跌至 0.458 低于 ConsistentMI，证明两类规划各司其职。人类评测（Table 3）：45 个披露项、4 位评估者、每来源 180 次判断，Pandora 的 AIR 仅 7.2%（13/180），基线区间 43.3%–67.2%，消融 35.6%，配对差 28.3 个百分点（95% CI: 20.6–36.1）；Pandora 在咨询师组（10.0% 对 40.0%）与研究者组（4.4% 对 31.1%）均最低，无一候选获至少 3/4 多数 AI 票；参考 AIR 4.4%，但含重建/生成材料，非纯人类基线。评估者间平均一致率 62.9%，正向一致 53.7%（CI: 49.4–58.1%）。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 记忆披露对齐（Core115，115 案例） | GDS（综合披露分数，越高越好） | 0.871 | 0.664（最强基线 ConsistentMI；其余基线 0.609–0.643） | +0.207 |
| 披露时机对齐 | LDDA（宏平均，越高越好） | 0.852 | 0.690（ConsistentMI） | +0.162 |
| 披露前置依赖 | DS（依赖满足率，越高越好） | 0.875 | 0.417（ConsistentMI） | +0.458 |
| 表达保真度 | $S_{style}$（内容约简相似度，越高越好） | 0.566 | 0.512（ConsistentMI） | +0.053 |
| 表达保真度 | $S_{raw}$（原始相似度，越高越好） | 0.385 | 0.352（ConsistentMI） | +0.032 |
| 感知 AI 感（人类评测，45 项披露 × 4 评估者） | AIR（AI-like 判定率，越低越好） | 7.2%（13/180） | 43.3%–67.2%（五基线；最低 Interactive Agents 43.3%） | 较最低基线降 36.1 个百分点；消融验证贡献 28.3 个百分点（95% CI: 20.6–36.1） |
| 分层披露时机 | LDDA（L1/L2/L3，越高越好） | 0.843 / 0.854 / 0.866 | 消融版约 0.801–0.811，五基线更低 | 每层均为第一 |
局限与改进
作者明确承认：案例集以中文为主（97/115），参考材料含重建或生成内容，无法证明与真人话语等价；心理状态变量及数值更新是设计选择而非临床测量；消融把表达规划作为整体移除，无法分辨个体档案与在线条件化各自贡献；人评小组仅 4 人、评估孤立话语、未记录 source-reveal 使用故盲测不完全。我的补充观察：其一，AIR 是二分类判定，评估者间一致率仅 62.9%，测量信度有限；其二，五个基线是'适配实现'（如 OpenClaw 直接 role-play），适配质量可能影响公平性，且自动相似度最强的 ConsistentMI 在 AIR 上并非最低（Interactive Agents 43.3% 更低），说明文本相似与人类感知捕捉的维度不同；其三，表达规划依赖来访者已有话语做离线蒸馏，冷启动场景如何构造 $\\rho$ 未讨论；其四，遮蔽词表面向中文、把拉丁词压缩成通用掩码，18 个英文案例上 $S_{style}$ 证据较粗；其五，手工状态转移规则的跨流派泛化性未知，且论文声明这些指标不构成临床安全性或疗效证据。
独立分析的弱点
弱点一：规则化干预评估与状态更新可扩展性差。机会识别与状态增量都靠手工规则与数值设定，换个咨询流派（如精神动力学强调移情解释）或换语言就要重写；改进方向是把干预信号改为轻量分类器/LLM 判别器并用真实对话校准增量函数。弱点二：个体语言档案需要足量来访者话语做离线蒸馏，新来访者冷启动时只能退化为通用风格，而这恰是'自我不透明'最严重的初期；改进方向是设计在线自适应档案，随对话轮次增量更新统计并用先验兜底。弱点三：评估止于话语级，未测多轮连贯性——表达规划每轮独立进行，长对话中是否风格漂移、反复使用同一小批标记未见验证；改进方向是加入轨迹级相似度与标记重复度指标。弱点四：披露评测假设参考对话的披露时机是唯一正确答案，但真实咨询中披露时机高度依赖治疗师策略，GDS 的强时序约束可能压制多样性；改进方向是引入多参考或以人类偏好替代硬对齐。弱点五：下游价值未验证——AIR 降低是否真的改善治疗师训练效果（学员能否学会对犹豫来访者做恰当回应）没有实验支撑，需设计训练前后测对照研究。
未来方向
作者提出的方向：扩展到完整对话层面的评估与更大规模评审组，验证表达优势在交互语境中是否持续；覆盖更多语言、文化与独立采集的真实来访者语音，摆脱对重建/生成参考材料的依赖；细化消融以分解个体条件化信号（习惯标记、长度、hedging）各自的贡献；开展治疗师训练与治疗师评估的下游应用研究，并要求专业监督、独立验证与明确的'交互为模拟'披露。基于其成果可延伸的方向：把表达规划接口 $L_t$ 推广到其他'自我不透明'场景，如医患沟通中描述症状含糊的患者、客服场景中情绪激动但说不清诉求的用户；把 claim verification 与披露追踪改造成通用的事实性-时序性评测工具，服务于各类角色扮演智能体的评估；结合心理测量学对状态变量做信效度检验，用纵向咨询数据学习状态转移规则替代手工设定；把停顿、语速等多模态线索融入表达规划，向 Clark & Fox Tree 研究的填充词/停顿模拟推进；以及用 Pandora 批量生成可控的困难来访者案例，构建治疗师培训课程与 LLM 心理咨询智能体的压力测试基准。
复现评估
代码已开源：github.com/whunextgen/Pandora，并附网站 clain.org/Pandora。数据依赖四个需申请许可的官方数据集：PsyDial-D4（97 案例）、AnnoMI（11）、Eeyore Full（5）、ConsistentMI（2），且参考集合含重建/生成材料、各来源发布政策不同（附录 I），完整复现数据管线有许可门槛。方法本身以规则模块加提示词工程为主，核心算力开销是每轮多次 LLM 调用（干预评估、评价/归因、内容与策略规划、表达规划、生成、claim verification 各一次），中档 API 模型即可运行、无需训练。评测管线（LDDA/DS/GDS、字符 4-gram TF-IDF 相似度、AIR 人评协议）在附录 C/D/E 定义完整，可自成工具复用。难点在于：状态更新的数值规则藏在附录 A 需仔细对照；人评需招募有咨询背景的评估者才能复现 AIR 对比；英文案例仅 18 个且遮蔽词表面向中文，复现英文结论需自行适配词表。总体属中等偏易的复现难度，主要成本在数据许可与人评组织。
论文图表
上半部分展示 Pandora 的完整流水线：治疗师话语进入干预评估（识别出情绪反映被漏掉）与状态更新（信任下降、安全感下降、痛苦上升、清晰度上升、防御上升、觉察上升），随后生成主观评价（'说太多可能被评判或误解'）与归因框架（attribution_target: unclear），再规划内容与策略（先回答问题、情绪显性度低、立场 hesitant），同时离线话语风格蒸馏提供习惯标记 maybe、典型长度 52.5 字符、hedging 高等档案信息，在线表达规划合成 21–65 字符（目标 41、软上限 86）的实现计划。下半部分对比五个系统（Interactive Agents、Patient-Ψ、ConsistentMI、MindVoyager、Pandora）对同一句治疗师提问的回应：前四者都给出长而完整的归因解释，只有 Pandora 给出简短试探的 Maybe he's upset with me, or I said something wrong，并标注了各自调用的记忆与信念来源。
这是全文最重要的图：一图同时呈现方法架构与问题动机。它直观展示了两条核心论点——(1) Pandora 的五模块如何协作；(2) 现有模拟器'说得比想得清楚'而 Pandora 如何通过显式捕捉治疗师漏掉的情绪反映及其心理后果，产出与真实来访者一致的简短犹豫回应。看懂这张图，方法和动机就同时到位了。