大型語言模型在心理健康支援領域展現出巨大潛力，但要真正提升治療質量，評估必須作為可操作的控制訊號而非被動指標。來自加拿大多倫多大學等機構的研究人員提出了一種創新框架，透過訓練治療性評判員（TheraJudge）和多智慧體系統（TheraAgent），將治療性回應生成形式化為一個基於多維、人類對齊評估的決策最佳化問題。該框架分為兩個階段，旨在實現更安全、更有效、更共情的心理健康對話。
在第一階段，團隊開發了TheraJudge，這是一個完全開源的治療性評估器。它利用人類標註的高質量資料，透過偏好最佳化（preference-based optimization）進行訓練，能夠從七個關鍵心理維度（安全性、相關性、同理心、支援性、指導性、探索性和具體性）對治療性回應進行可靠評判。實驗結果顯示，TheraJudge與臨床醫生評估結果高度一致，組內相關係數（ICC）達到0.87至0.95，顯著超越了傳統的監督學習基線和強大的閉源評估系統（如GPT-4作為評判員）。特別是在安全性、相關性和同理心等關鍵維度上，TheraJudge表現出色，為後續的回應最佳化奠定了堅實基礎。
第二階段引入了TheraAgent，這是一個多智慧體協同最佳化系統。它包含三個專門角色：批評者（Critic）負責識別回應中的具體問題，教練（Coach）提供改進方向和建議，治療師（Therapist）則根據前兩者的反饋生成修正後的回應。這三個角色透過協調最佳化過程，將TheraJudge的評估訊號轉化為精準的回應修訂。這種迭代式設計使得系統能夠不斷自我完善，而非一次性生成最終輸出。
在嚴格的盲評實驗中，TheraAgent將治療質量評分（5分制）平均提升了0.43分，且96%的評估者間一致性驗證了其可靠性。更令人矚目的是，對於初始得分低於或等於3分的低質量回應，系統平均改善了2.45分，恢復率達到94%。這意味著TheraAgent能夠有效捕捉並修正不安全或無效的輸出，極大提升了心理健康支援的質量。
研究人員強調，這項工作的核心啟示是：心理健康大語言模型的有效對齊，關鍵在於將人類對齊的評估作為行動依據，而非單純依賴更強大的生成能力。這一框架已完全開源，程式碼和模型可在GitHub上獲取，為社群提供了可復現的基準和工具。該研究不僅推動了心理健康AI的發展，也為通用AI對齊提供了新的思路。