该研究针对认知刺激疗法(CST)因依赖专业引导者和数据稀缺而难以规模化的问题,尤其是粤语等隐私敏感、低资源语言场景,提出了一个面向老年认知刺激智能体的框架。作者首先构建STaR-CS方法,通过引导者风格建模与结构化骨架提取合成多方对话,缓解数据瓶颈;在此基础上提出反思性认知对齐(RCA)框架,将刺激交互建模为序列决策过程,结合协议约束的认知链(PC-CoC)进行结构化推理,并利用推理时价值对齐(IVA)依据安全与参与目标筛选回复。在六种主流大语言模型和两名独立评审上的评估显示,RCA在协议遵循度、安全性和团体引导能力上均稳定优于标准提示基线,为自动化认知刺激提供了兼顾共情与规范约束的可行路径。
| 认知刺激疗法 (CST) | 一种针对认知障碍老年人的非药物干预方法,通过结构化活动改善认知功能。 |
| STaR-CS | 风格迁移与角色条件认知刺激,一种通过风格建模和骨架提取合成多方对话的数据生成方法。 |
| 反思性认知对齐 (RCA) | 将刺激交互建模为序列决策过程,整合推理与价值对齐以提升协议遵循和安全性的框架。 |
| 协议约束的认知链 (PC-CoC) | 一种结构化推理方法,确保模型在生成响应时遵循认知刺激协议。 |
| 推理时价值对齐 (IVA) | 在推理阶段基于安全和参与目标进行有原则的响应选择的价值对齐机制。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅