DeepSuiMind

DeepSuiMind是一个基于心理框架D/S-IAT和负性自动思维构建的新型数据集，结合真实世界场景，包含1308个隐含自杀意念测试案例。该数据集的构建基于自杀意念在潜意识层面通过特定认知模式表现出来的理论，旨在评估大型语言模型在处理敏感心理应用方面的能力。

DeepSuiMind is a novel dataset constructed based on the psychological frameworks of D/S-IAT and negative automatic thoughts. It incorporates real-world scenarios and contains 1308 test cases involving implicit suicidal ideation. This dataset is built upon the theory that suicidal ideation manifests at the subconscious level through specific cognitive patterns, and aims to evaluate the capabilities of large language models in handling sensitive psychological applications.

搜集汇总

数据集介绍

构建方式

DeepSuiMind数据集的构建方式基于心理评估框架，包括死亡/自杀隐含关联测试（D/S-IAT）和负面自动思维（ANT），并结合现实世界场景。数据集由1308个隐含自杀倾向测试案例组成，旨在评估大型语言模型（LLMs）在自杀预防中的能力，包括识别隐含自杀倾向和提供适当支持。构建过程中，研究人员首先根据D/S-IAT和ANT评估进行认知和思维模式分析，然后识别现实世界的场景、心理疾病和社会心理触发因素，最后生成隐含自杀倾向数据。

使用方法

DeepSuiMind数据集的使用方法主要涉及对LLMs进行评估。研究人员可以通过数据集中的测试案例来评估LLMs在识别隐含自杀倾向和提供适当支持方面的能力。此外，数据集还可以用于开发新的LLMs模型，以改进其在自杀预防方面的表现。在使用数据集时，研究人员应遵循心理评估框架和伦理指导原则，以确保评估的准确性和有效性。

背景与挑战

背景概述

在心理健康领域，特别是在预防自杀方面，大型语言模型（LLMs）的应用引起了广泛关注。DeepSuiMind 数据集的创建旨在评估 LLMs 在识别隐含自杀意念（IIS）和提供适当支持性回应（PAS）方面的能力。该数据集由 Provable Responsible AI and Data Analytics (PRADA) 实验室、国王阿卜杜拉科技大学、华盛顿大学圣路易斯分校、澳门大学和中国科学院计算技术研究所的研究人员共同开发。DeepSuiMind 数据集基于 D/S-IAT 和负面自动思维等心理框架，并包含现实世界的场景，为评估 LLMs 在心理健康场景中的应用提供了新的视角。该数据集的发布对于推动 LLMs 在敏感心理应用中的发展和评估具有重要意义。

当前挑战

DeepSuiMind 数据集的研究揭示了 LLMs 在处理隐含自杀意念方面面临的挑战。首先，LLMs 在识别隐含自杀意念方面存在困难，现有的数据集和评估方法主要依赖于预定义的危险信号和特定的社会环境，难以捕捉到这些微妙的表达。其次，LLMs 在提供适当支持性回应方面也存在局限，例如，它们可能无法提供具有同理心和鼓励求助行为的回应。此外，DeepSuiMind 数据集的构建过程中，研究人员还面临着如何平衡数据集的多样性和代表性、如何确保数据集的准确性和可靠性等挑战。

常用场景

经典使用场景

DeepSuiMind 数据集被用于评估大型语言模型（LLMs）在自杀预防方面的能力，特别是其识别隐含自杀意念（IIS）和提供适当支持性回应（PAS）的能力。该数据集基于心理框架，包括D/S-IAT和负性自动思维，并结合了现实世界的场景，旨在全面评估LLMs在处理敏感的心理健康问题时的表现。

解决学术问题

DeepSuiMind 数据集解决了现有自杀意念识别基准的局限性，这些基准主要依赖于预先定义的危险信号和特定的社会背景。该数据集通过引入基于D/S-IAT和ANT的心理框架，以及现实世界的场景，能够更好地捕捉细微的自杀意念表达，为LLMs在心理健康领域的应用提供了更全面和深入的评估。

实际应用

DeepSuiMind 数据集的实际应用场景包括心理健康支持系统，如聊天机器人，这些系统能够提供情感支持和危机干预。通过使用该数据集，研究人员可以评估LLMs在识别和响应自杀意念方面的能力，从而改进和优化这些系统，使其能够更有效地帮助那些有自杀风险的人群。

数据集最近研究

最新研究方向

随着大型语言模型（LLMs）在日常生活中日益普及，人们开始关注这些技术对心理健康领域的影响。DeepSuiMind数据集的提出，为评估LLMs在自杀预防方面的能力提供了一个全面的框架，重点关注识别隐含自杀意念（IIS）和提供适当支持响应（PAS）两个关键方面。该数据集基于心理框架构建，包括D/S-IAT和消极自动思维，并结合了现实世界的场景，旨在评估LLMs在识别隐含自杀意念方面的能力。研究发现，当前模型在检测隐含自杀意念和提供适当支持方面存在显著挑战，这突显了在敏感的心理应用中开发和应用LLMs的必要性。该研究为未来LLMs在心理健康领域的应用提供了重要的指导，并强调了在开发和评估LLMs时需要更加精细的方法。

相关研究论文

• Can Large Language Models Identify Implicit Suicidal Ideation? An Empirical Evaluation

  华盛顿大学圣路易斯分校 · 2025年