CCF-A PUPPET: Neural-Symbolic Standardized Patients for Mental Health
Chen Xu, Yu Ji, Zhenyu Lyu^†, Yang Yi, Yizhe Yang, Luyao Ji, Chaoyi Chen, Xianyang Wang, Tian Lan, Zhihua Wang, Juan Wang, Xunde Dong, Fuze Tian, Qunxi Dong, Bin Hu
通讯作者/第二学生作者
ACL 2026 Main track 受邀口头报告

项目

• 针对咨询师培训中真人标准化病人成本高、数量少，以及 prompting、CoT 和 memory agent 等纯大语言模型基线缺乏可解释状态控制的问题，构建了用于训练人类咨询师的可控、可解释病人智能体。
• 提出采用 Observe--Think--Behave 架构的 PUPPET/PUPPET-TRAINER 神经符号框架；使用 LLM Valuator/Generator 模块实现自然对话与灵活表达，并通过专家规则、概率逻辑和概率状态机显式控制“干预—规则—状态”因果链。
• 在 CBT、MI 和 12356 临床训练场景中验证了 LLM 表达能力与符号可控性结合的优势；在 DeepSeek-V3.2-chat 下实现 74.0% 的 MI 心理状态识别准确率，较基线提升 24 个百分点，并准确区分专家、新手和高风险干预轨迹，提升专家反馈质量与新手训练信心。

预印本 First, Do No Harm: AI Supervisor Scaffolds Novice Growth in Counselor Education
Chen Xu, Zhenyu Lyu, Tian Lan, Yang Yi, Yu Ji, Luyao Ji, Jian Shen, Zhihua Wang, Leyang Cui, Jieshuo Zhang, Xiaohua Wan, Qunxi Dong, Minqiang Yang, Juan Wang, Xiuling Liu, Bin Hu
第一学生作者

项目 代码

• 定义了面向新手咨询师培训的 AI Supervisor 反馈任务：模型从多轮咨询师—来访者对话中定位风险话语（where）、识别违反的原则（which），并生成用于改进的教学反馈（why）；缓解了真实临床违规案例稀缺，以及 AI 咨询师只优化回答而不负责教学的问题。
• 构建包含 9,915 个样本的人在回路 ETHICSCAFF 数据集，利用 15 类新手伦理违规合成 AI 新手与模拟来访者之间的多轮对话；采用 SFT + GRPO 训练，并提出 Novice Growth Reward，以冻结新手模型阅读反馈前后的定位/分类能力增益作为代理强化学习奖励。
• Qwen3-14B 在违规原则分类上达到 94.37% F1，较基础模型相对提升 144.1%；Qwen3-8B 在问题话语定位上达到 74.24% F1；在模拟实验中，监督反馈在六项临床指标上改善了新手回答，并在真实学生研究中显著提升了八项咨询任务信心指标。

JCR Q1，中科院一区 Top Bridging the Gap Between Data Distribution and Model: Dynamic Data Distribution Optimization for Improving Critique Capabilities of Large Language Models
Chen Xu^*, Tian Lan^*, Zhenyu Lyu^*, Heyan Huang, Minqiang Yang, Qunxi Dong, Jieshuo Zhang, Bin Hu
共同第一作者
Expert Systems With Applications 2026

项目

• 提出 DIDD 动态迭代数据分布优化框架，检测模型薄弱的数据分布并构建定制化训练集，解决大语言模型批评能力中的静态数据—模型错配问题。
• 系统分析数据类型分布和文本质量分布对大语言模型批评能力的影响，为单样本和成对批评任务推导启发式最优分布准则。
• 经 DIDD 优化的 7B 规模大语言模型在四个批评基准上超过当前最优的 7B--13B 基线模型，甚至超过 GPT-3.5-turbo，同时具备更高的数据效率。

CCF-A Voicing Your Emotion: Integrating Emotion and Identity in Cross-Modal 3D Facial Animations
Wenfeng Song, Zhenyu Lyu, Xuan Wang, Xia Hou
第一学生作者
2024 IEEE Conference Virtual Reality and 3D User Interfaces (VR)

项目

• 提出融合语音音频、文本提示和情感标签的跨模态三维说话人脸生成流程。
• 突破传统方法只能根据语音合成唇部动作的限制，使三维虚拟人能够拥有定制化外观和丰富的情感表现。

VR Museum

• 面向 VR 博物馆智能导览场景，项目融合眼动追踪、视线估计和显著性目标检测，根据用户的视觉注意力自动讲解展品。
• 采用多阶段渐进式训练策略优化 Wav2Lip 和 DINet，提升数字人的唇形同步效果；同时提出基于空间—通道注意力的 Local-to-Global 分层显著性目标检测模型，使 MAE 相较 SOTA 提升约 10%。
• 已申请一项软件著作权。