arXiv预印本：AI（人工智能）心理助手长程对话评估需纳入时机与遗漏，而非只看单条回复是否恰当
一项arXiv预印本研究分析14,256段长程模拟对话，种子来自22名用户捐赠的聊天机器人历史记录，考察带记忆功能的大语言模型（LLM）心理助手在自杀意念、自伤和焦虑危机后的回复。
研究者与心理健康专业人员共同开发情境感知与准备度评估（CARE）框架，发现危机后建议与用户准备度的匹配度低于同一对话中的对照时段，主要原因是建议过早，且助手遗漏临床医生期望的支持比给出不当建议更常见。
该结果提示单条回复层面的安全评估难以覆盖长程支持； 这是模拟研究，不等于临床有效性验证。
论文《Remembering Is Not Enough》于2026年11月5日提交至arXiv（编号2611.08721，cs.CY），作者为Eli Min、Mohit Chandra、Aamogh Sawant、Mengting Tu、Freya Lin、Ridwan Shams Khan、Reigna El-Yashruti、Christopher L. Smith、Mark Kalinich、John Torous、Munmun De Choudhury。
研究分析14,256段长程模拟对话，基于22名用户捐赠的聊天机器人历史记录，考察带记忆的助手在自杀意念、自伤与焦虑危机中，跨康复轨迹与沟通风格的表现。 CARE（情境感知与准备度评估）框架由研究者与心理健康专业人员共同开发，用于评估建议的时机、质量与遗漏。
结果显示：危机后建议与用户准备度的匹配度低于同一对话中的匹配对照时段，主要因过早建议，且在康复停滞时最常见； 重新提及危机减少了过早建议，但未减少滞后建议； 用户沟通风格影响助手给出建议的频率与时机； 明确无益的建议罕见，但助手常遗漏临床医生期望的支持，如跟进和下一步计划。
该研究的价值在于把评估单位从“单条回复是否安全”扩展到“跨时段支持是否合时、是否漏掉必要内容”，并给出可与临床专业人员协作使用的评估框架，读者可据此理解长程对话中的失败类型。 需要注意，14,256段对话为模拟生成、仅以22名用户捐赠记录为种子，样本代表性有限，结果属于方法学与研究证据，不能直接换算为真实用户中的风险或疗效；
过早建议与康复停滞同时出现也不能写成因果关系。
后续观察信号
- 查阅论文全文，确认CARE框架的具体评分维度与人工评估流程
- 核实22名捐赠记录用户的人群背景与模拟对话的生成方式
- 跟踪是否出现针对真实用户的纵向评估研究