❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
🚀 快速阅读
- 功能：支持心理健康评估、多轮对话、情绪识别与心理知识普及。
- 技术：基于高质量心理数据集训练，采用 Transformer 架构和多步数据优化流程。
- 应用：适用于个人心理健康支持、心理咨询、学生心理健康教育及社区心理健康服务。
正文（附运行示例）
PsycoLLM 是什么
PsycoLLM 是合肥工业大学计算机科学与信息工程学院推出的中文心理大语言模型，专注于心理健康领域的研究与应用。该模型基于高质量的心理数据集进行训练，涵盖单轮问答、多轮对话和基于知识的问答等多种数据类型，旨在提升对心理健康问题的理解和评估能力。
PsycoLLM 在专业伦理、理论知识和案例分析等多维度的心理基准测试中表现出色，相较于其他模型，展现出更强的性能和更准确的判断能力。它为心理健康领域的研究和应用提供了有力的技术支持，能够帮助用户获得心理支持、情绪调节建议以及心理健康知识普及。
PsycoLLM 的主要功能
- 心理问题理解与回答：准确理解用户提出的心理问题，并给出专业、准确的回答，帮助用户获得心理支持和指导。
- 多轮对话交互：支持与用户进行多轮对话，基于连续的问答交互，深入了解用户的心理状态和需求，提供更具针对性的建议和帮助。
- 心理知识普及与教育：用丰富的心理学知识库，向用户普及心理健康知识，提高用户对心理问题的认识和自我调节能力。
- 情绪识别与支持：识别用户的情绪状态，如焦虑、抑郁等，提供相应的情绪支持和安慰，帮助用户缓解情绪困扰。
- 心理健康评估与建议：对用户的心理健康状况进行初步评估，根据评估结果给出相应的建议，如寻求专业心理咨询、进行自我调节等。
PsycoLLM 的技术原理
- 高质量数据集训练：基于高质量的心理数据集进行训练，涵盖丰富的心理学知识和真实的心理咨询场景，确保模型能学习到专业的心理知识和对话技巧。
- 多步数据生成与优化流程：在多轮对话数据的生成过程中，采用多步流程，包括多轮问答生成、证据判断和对话优化，提升对话的连贯性、真实性和适用性。
- 监督式微调：在预训练模型的基础上，基于监督式微调进一步提升模型在心理学领域的性能，确保模型能更好地理解和生成与心理学相关的文本。
- Transformer 架构：采用 Transformer 架构作为核心模型结构，利用自注意力机制捕捉文本中的长距离依赖关系，实现对文本的高效理解和生成。
如何运行 PsycoLLM
1. 克隆本项目至本地
git clone https://github.com/MACLAB-HFUT/PsycoLLM.git
2. 配置环境
conda create -n PsycoLLM python=3.10
conda activate PsycoLLM
pip install -r requirements.txt
3. 运行 Python 文件 run.py
若在单卡上运行，则：
python run.py
若在多张显卡上运行，可选择使用 deepspeed zero2 或 deepspeed zero3：
export CUDA_VISIBLE_DEVICES=0,1
deepspeed --num_gpus=2 run.py --deepspeed_config ds_z3_config.json
4. 开始交互
运行上述命令后，您可以通过命令行与 PsycoLLM 进行交互，体验其多轮对话和心理健康评估功能。
资源
- GitHub 仓库：https://github.com/MACLAB-HFUT/PsycoLLM
- HuggingFace 模型库：https://huggingface.co/MACLAB-HFUT/PsycoLLM
- arXiv 技术论文：https://arxiv.org/pdf/2407.05721
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
