यह शोधपत्र मनोवैज्ञानिक परामर्श के क्षेत्र में मापनीय सेवाएँ प्रदान करने के लिए बड़े पैमाने के भाषा मॉडल (एलएलएम) को परिष्कृत करने की आवश्यकता पर प्रकाश डालता है। उच्च-गुणवत्ता वाले, गोपनीयता-अनुपालक डेटा की कमी को दूर करने के लिए, हम MAGneT प्रस्तुत करते हैं, जो एक नया बहु-एजेंट ढाँचा है। MAGneT परामर्शदाता प्रतिक्रिया निर्माण को उप-कार्यों में विघटित करता है, जिसमें विशिष्ट एलएलएम एजेंट मनोवैज्ञानिक कौशल का मॉडलिंग करते हैं। यह विघटन परामर्शदाताओं को मौजूदा एकल-एजेंट दृष्टिकोणों की तुलना में वास्तविक दुनिया के परामर्श की संरचना और बारीकियों को बेहतर ढंग से समझने में मदद करता है। इसके अलावा, हम एक एकीकृत मूल्यांकन ढाँचा प्रस्तावित करते हैं जो मौजूदा मूल्यांकन प्रोटोकॉल में विसंगतियों को दूर करने के लिए विभिन्न स्वचालित और विशेषज्ञ मूल्यांकन मेट्रिक्स को एकीकृत करता है। इसके अलावा, हम विशेषज्ञ मूल्यांकन मदों की संख्या चार से बढ़ाकर नौ कर देते हैं, जिससे डेटा गुणवत्ता मूल्यांकन की सटीकता और मजबूती बढ़ जाती है। प्रायोगिक परिणाम दर्शाते हैं कि उत्पन्न परामर्श सत्रों की गुणवत्ता, विविधता और चिकित्सीय स्थिरता के मामले में MAGneT मौजूदा विधियों से बेहतर प्रदर्शन करता है। संज्ञानात्मक व्यवहार थेरेपी स्केल (CTRS) के आधार पर, परिणाम सामान्य परामर्श कौशल में 3.2% और CBT-विशिष्ट कौशल में 4.3% सुधार दर्शाते हैं। विशेषज्ञों ने सभी आयामों में MAGneT-जनित सत्रों को प्राथमिकता दी, जिसकी औसत दर 77.2% थी। MAGneT-जनित सत्रों का उपयोग करके ओपन-सोर्स मॉडल को परिष्कृत करने से पारंपरिक तरीकों से उत्पन्न सत्रों की तुलना में सामान्य परामर्श कौशल में 6.3% और CBT-विशिष्ट कौशल में 7.3% सुधार हुआ। कोड और डेटा सार्वजनिक रूप से उपलब्ध हैं।
