Where do LLMs Fall Short in CBT-Guided Affective Reasoning?

작성자

Haebom

카테고리

Empty

저자

Vaishnavi Sinha, Pooja Guttal, Pranay Deep Reddy Katike, Vishal Sinha, Gerald Ndawula, Lira Yoon, Andrea Kleinsmith, Manas Gaur

💡 개요

본 연구는 인지행동치료(CBT) 지식만으로는 대규모 언어 모델(LLM)이 사용자에게 필요한 효과적인 치료적 개입을 수행하지 못하고, 오히려 공감적 반응과 자기 성찰로만 편향되는 현상을 탐구합니다. 이를 해결하기 위해, CBT 이론을 SNOMED CT 임상 개념에 기반하여 분석하고, 다중 연쇄 사고(MCoT)를 통해 치료 전략 선택을 유도하는 지식 기반 프레임워크를 제안합니다. 실험 결과, MCoT 방식이 LLM의 행동 변화를 유도하는 데 효과적이었으나, 그 변화 폭은 미미했고 여전히 자기 성찰 편향이 남아있음을 확인했습니다.

🔑 시사점 및 한계

•

CBT 이론에 대한 LLM의 이론적 이해와 실제 임상 적용 능력 간의 간극을 명확히 보여줍니다.

•

MCoT를 활용한 지식 기반 프레임워크가 LLM의 치료적 개입 전략 선택에 긍정적인 영향을 줄 수 있음을 시사합니다.

•

제안된 방법론으로도 LLM의 자기 성찰 편향을 극복하기 어렵고, 모델 행동 변화의 폭이 매우 제한적이라는 한계가 있습니다.

PDF 보기

Made with Slashpage