요약

정신 건강 분야에서 LLM 활용이 증가함에 따라, 사생활 보호 문제로 인해 실제 상담 데이터 확보가 어렵습니다. 본 논문은 클라이언트의 인지적, 감정적, 행동적 상태 간의 관계를 담는 '클라이언트 심리 그래프(CPG)'를 기반으로 합성 상담 대화를 생성하는 프레임워크인 Graph2Counsel을 제안합니다. Graph2Counsel은 구조화된 프롬프팅 파이프라인과 CoT (Chain-of-Thought), Multi-Agent Feedback 등의 전략을 활용하여, 기존의 비정형 데이터 방식보다 훨씬 높은 현실성과 임상적 일관성을

핵심 포인트

• Graph2Counsel은 클라이언트 심리 그래프(CPG)를 활용하여 인지/감정/행동 상태 간 관계에 기반한 합성 상담 대화를 생성합니다.
• 제안된 데이터셋은 76개의 CPG로부터 760개의 세션을 생성했으며, 전문가 평가에서 기존 데이터셋 대비 구체성, 안전성 등 다방면에서 우수함을 입증했습니다.
• Graph2Counsel을 통해 파인튜닝한 모델은 CounselingBench 및 CounselBench 같은 다운스트림 태스크 성능 향상을 보여 실질적인 유용성을 갖습니다.