跳转至

MoPHES: 端侧 LLM 驱动的移动心理健康评估与支持

概述

MoPHES（Mobile Psychological Health Evaluation and Support）是一个利用端侧 LLM 作为智能 Agent 的移动心理健康框架，由哈工大团队提出（arXiv: 2510.16085）。该框架将心理状态评估、对话支持和专业治疗建议有机整合，在移动设备上实现了完整的心理健康服务闭环。

核心架构

双模型 Agent 设计

MoPHES 的 Agent 由两个微调后的 MiniCPM4-0.5B 模型组成：

模型 功能 训练数据
评估模型 预测用户焦虑/抑郁严重程度（4 级分类） 心理健康条件数据集
对话模型 多轮心理咨询对话 多轮咨询对话数据

两个模型均部署在移动设备上，利用 LoRA（Low-Rank Adaptation）进行高效微调。

关键技术

  • MiniCPM4-0.5B：仅 0.5B 参数的紧凑 LLM，适配移动端资源限制
  • LoRA 微调：在保持推理效率的同时实现领域适应
  • 端侧部署：避免隐私数据上传，增强用户便利性

核心贡献

  1. 整合式框架：有机整合心理状态评估、对话支持和专业推荐，解决了现有心理健康聊天机器人缺乏实时心理评估的问题
  2. 小模型可行性验证：证明 0.5B 参数模型经过领域微调即可在心理健康任务中取得良好表现
  3. 端侧隐私保护：模型完全在用户设备上运行，不上传心理健康数据
  4. 自建评测基准：开发了包含心理健康预测和多轮对话的自动评测框架，使用 BLEU、ROUGE 等 7 种指标

技术细节

数据集构建

  • 单轮心理咨询 QA 数据（公开心理健康语料）
  • 多轮咨询对话数据（模拟真实咨询流程）

训练流程

  1. 在心理健康条件数据集上微调评估模型
  2. 在多轮对话数据上微调对话模型
  3. 使用 LoRA 减少可训练参数，适配端侧部署

评测指标

  • 评估任务：准确率、加权 Precision/Recall/F1
  • 对话任务：BLEU-1/2/3/4、ROUGE-1/2/L

与其他端侧心理健康的对比

方案 模型 参数量 端侧部署 心理评估
ChatGPT GPT-4 ~1.76T ❌ ❌
MentaLLaMA LLaMA2-7B 7B ❌ ✅
MoPHES MiniCPM4-0.5B 0.5B ✅ ✅

对 Mobile AIOS 的启示

  • 端侧 LLM + Agent 模式可行：即使 0.5B 参数模型，经过专业领域微调后也能胜任复杂的多轮对话和推理任务
  • 心理健康是端侧 AI 的刚需场景：隐私敏感性天然要求本地处理
  • LoRA + 小模型是端侧专业 Agent 的务实路径
  • 评测基准建设是端侧 Agent 落地的关键基础设施

来源