训练治疗性评判者与多智能体系统以实现人类对齐的心理健康支持

大语言模型在心理健康支持方面展现出潜力，但仅当评估作为可操作的控制信号而非被动指标时，治疗效果才能提升。本文提出一个框架，将治疗回应生成 formulate 为由多维人类对齐评估驱动的决策细化问题。第一阶段引入 TheraJudge，一种基于人类标注数据通过偏好优化训练的开源治疗评估器；第二阶段引入 TheraAgent，通过协调批评家、教练和治疗师角色，将评估信号转化为针对性的回应修订。实验表明，该方法显著提升了人类评分的治疗质量，特别是在安全性和共情等关键维度上实现了低质量回应的有效修正。