研究对比大语言模型与人类治疗师：抑郁心理动力治疗中干预质量仍有差距
一项发表于《Journal of Consulting and Clinical Psychology》的摘要级研究，用300段抑郁患者支持-表达性心理动力治疗会话片段，比较由四个专门代理与一个评审大语言模型（LLM）组成的系统与人类治疗师。
双方选用的干预类型大体相似，但人类“意义建构”干预质量更高，总体帮助性评价也更高； 支持性、指导性和探索性干预未见差异。 作者将这类系统定位为受监督的治疗辅助，而非替代治疗师。
研究基于16次支持-表达性心理动力治疗，抽取300段会话片段，每段含人类与LLM（大语言模型）生成的回应。 LLM框架由四个分别代表不同治疗维度的专门代理，以及一个Judge-LLM（评审大语言模型）组成，负责按情境选择最合适的干预。 专家临床评审对干预的典型性与质量打分。 结果显示：双方依赖的干预类型大致相似，但使用特定类型的情境选择不同；
人类干预总体被评为更有帮助； 人类的意义建构干预质量更高，支持性、指导性、探索性干预无差异。 作者结论称，在本地部署的多代理配置下，LLM能生成有情境敏感性的治疗回应，但在高质量意义建构干预上存在局限，应视为受监督的治疗辅助。 研究由Israel Science Foundation（以色列科学基金会）资助；
作者机构包括Bar-Ilan University（巴伊兰大学）、Technical University of Darmstadt（达姆施塔特工业大学）赫森人工智能中心与Ariel University（阿里尔大学）。 以上信息均来自PubMed题录与摘要，未阅读全文。
该结果给出一个可核对的边界：模型在常规干预类型上可以对齐，但涉及把来访者经历赋予意义、形成解释性联结的高阶任务时，专家评价仍偏向人类。 需注意这是摘要级证据，样本为特定疗法、特定抑郁人群与本地多代理配置，摘要未说明评审是否知晓回应来源，不能外推为临床有效性结论。
后续观察信号
- 查找该论文全文，核实评审是否盲法及会话片段来源人群
- 检索同期刊对LLM（大语言模型）意义建构干预局限的后续评论