MindfulAgents：通过专家对齐多智能体系统实现正念冥想个性化

文献标题

MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

出版信息

• 主题领域: 利用人工智能驱动系统实现数字化正念冥想的个性化与用户参与。
• 关键词: 正念冥想、个性化、多代理系统、大型语言模型、用户参与、心理健康、反思、专家对齐、数字化干预、冥想应用。

背景与问题

• 问题/挑战: 在正念冥想应用中保持用户参与是一项持续的挑战，许多应用的流失率在第一个月内高达95%。现有解决方案缺乏可扩展的个性化功能，通常无法解决长期参与问题。
• 重要性: 正念冥想是一种基于证据的实践，有助于改善心理健康，但其益处依赖于持续参与。解决这一问题可以使冥想对不同人群更具可及性和影响力。
• 动机与相关工作: 先前的研究表明，大型语言模型（LLMs）在心理健康背景中的个性化潜力，但在可靠性、安全性和长期参与方面面临挑战。目前的系统通常专注于单次体验或静态内容，缺乏可扩展、个性化和专家对齐的解决方案。

解决方案

• 提出的方法: MindfulAgents是一种由LLMs驱动的多代理系统，通过整合三个组件提供专家对齐的个性化正念冥想指导：专家对齐代理、反思代理和个性化代理。
• 创新点:
  1. 将专家对齐的安全模板与实时个性化相结合，提供可扩展、可靠的冥想指导。
  2. 引入反思代理，通过交互式对话促进自我意识并加深用户参与。
  3. 通过多代理架构在实验室和实地研究中验证了长期参与和正念改善。
  4. 提供一个模块化框架，可适应各种正念课程。
• 流程与关键技术:
  1. 专家对齐代理: 使用监督微调（SFT）和专家反馈生成基于统一正念（UM）框架的安全冥想模板。
  2. 反思代理: 利用检索增强生成（RAG）与用户进行关于当前状态、过去会话和正念概念的会前反思。
  3. 个性化代理: 根据用户输入（情绪、目标、历史等）和反思对话实时调整专家对齐模板。
  4. 系统通过与正念专家的迭代共同设计以及两项用户研究（实验室和部署）进行评估。

结果

• 具体发现:
  • 在实验室研究（N=13）中，MindfulAgents显著提高了会话参与度（p = 0.011）、自我意识（p = 0.014）和压力减轻（p = 0.020）。
  • 在为期4周的部署研究（N=62）中，MindfulAgents在长期参与（0.94 vs. 0.40次/天，p = 0.002）和正念改善（p = 0.023）方面优于静态基线。
• 相较基线的优势:
  • 在参与度、用户偏好和正念结果方面优于静态和部分个性化基线。
  • 用户更偏爱MindfulAgents的相关性、多样性和交互式反思功能。
• 实验/评估:
  • 实验室研究: 采用被试内设计比较三个条件（StaticAgent、PersonalAgents、MindfulAgents）在参与度、个性化和压力减轻方面的表现。
  • 部署研究: 采用被试间设计比较StaticAgent和MindfulAgents在4周内的表现，测量参与度、正念（FFMQ-SF）、情绪（PANAS-SF）、焦虑（GAD-7）和睡眠质量（PSQI）。
• 局限性与未来工作:
  • 部署时间较短（4周），限制了对长期心理益处的评估。
  • LLM处理的延迟以及缺乏个性化音频交付影响了用户体验。
  • 未来工作应探索纵向研究、被动感知以减少用户输入负担，以及系统角色随时间动态演变的可能性。

总结

MindfulAgents是一种结合专家对齐安全性、交互式反思和实时个性化的多代理系统，旨在增强正念冥想的用户参与度。评估结果显示，与静态基线相比，该系统在用户参与、正念和压力减轻方面显著改善。系统的模块化设计支持适应各种正念框架，为个性化数字冥想提供了可扩展的解决方案。未来研究应解决技术局限性并探索对心理健康的长期影响。