困在心里的词：为说不清自己的来访者模拟个人化表达

来访者被模拟得比本人更会解释自己

这篇论文盯住的失真不在知识或口吻，而在清晰度。临床病案把一个来访者的处境整理成一条因果链，模型照着这条链说话，就会显得比来访者本人更懂自己。作者提出的 Pandora 在 115 个案例上取得最高的表达相似度和披露对齐分；在 45 个匹配披露项、每个 8 个候选、四名评估者的判定中，只有 7.2% 的判定把回应认作 AI 写的，五个基线落在 43.3% 到 67.2% 之间。Pandora

心理咨询里有一类来访者，论文称为 self-opaque client，中文可以叫自我不透明。他们的痛苦先于说法，人已经到了咨询室，却还组织不出自己怎么了。这不是不愿意讲，而是此刻讲不清；讲得清多少，还会随情绪、感知到的安全感与对咨询师的信任变化。这类模拟器现在被用于咨询师训练、督导和 LLM 咨询师的自动评测，所以"说得太清楚"不只是文风问题，它会直接改变训练和评测的难度。

失真来自模拟器的起点：它手里那份病案本身就是解释。所谓 case formulation，是咨询师按症状、诱因与维持因素整理出来的临床描述，天然带着一条清晰的因果链。把整份病案写进 prompt，模型就获得了来访者此刻还没有的那份理解能力。PATIENT-Ψ 是这条路线最早的完整工程样例之一，它的 prompt 里已经写明不要直接引用认知图、要逐步揭示、每次最多 5 句；即便如此，论文自己展示的 plain 风格样例里，来访者仍把工作受挫、"all my efforts were, I don't know...pointless"和"maybe I'm not cut out for this job"讲成一段因果连贯的自我诊断。PATIENT-Ψ 需要分清的是，PATIENT-Ψ 并不主张自己过度解释，它主张的是比朴素基线更接近真人；"整份病案进 prompt 会让来访者比本人更会解释"是结构层面的推断，不是那篇论文的结论。

论文的 Figure 1 把五个系统对同一句咨询师话语的回应并排放在一起。

图注：论文 Figure 1。顶部是各模拟器的设定组件栏，中部是 Pandora 的模块链路，底部是同一句咨询师话语下 Interactive Agents、PATIENT-Ψ、ConsistentMI、MindVoyager 与 Pandora 各自生成的来访者话轮。本章只看最底下一排，中上部留到下一章。Pandora

按论文的说明，五条回应里只有 Pandora 明确接住了这次被漏掉的情感反映，并给出简短试探的回应。真正要看的不是措辞的精致程度，而是解释的完整度：一个"说不清"的来访者通常不会把处境、情绪和一条核心信念一次讲清。另一种失败方向正好相反，MindVoyager 从评测侧指出，模拟器把自己的内在状态清楚地讲给咨询师听，会让"咨询师能不能挖出未表达的东西"这件事无从判断。MindVoyager 一个是说得太有条理，一个是说得太坦白，共同点是来访者都不需要被探索。两者合起来说明，失真发生在"能讲清到什么程度"这一层，而这正是 Pandora 要单独隔离出来建模的东西。

解法是把"说什么"和"怎么说"拆成两层

Pandora 的做法不是换一个更强的模型，而是把一句话的生成拆成一条接口链，让语言实现成为唯一负责说话的一层。其余每一步都留下显式、可检查的中间量，于是"这个来访者此刻能讲清多少"不再由模型的文风偏好决定。第 t 轮的输入除了咨询师刚说的话和历史对话，还有三样显式条件：上一轮的心理状态 $s_t$，按事件发生时间裁掉未来内容的案例材料 $M_t$，以及从本人话语蒸馏出的语言档案 $\rho$。链路依次产出干预信号与状态更新、主观评价 $a_t$ 与归因 $b_t$、内容计划 $d_t$ 与响应策略 $r_t$，最后由表达规划给出 $L_t = F_{\text{realize}}(s_t, C_t, H_{t-1}, \rho)$。$d_t$ 里带着记忆条目与立场，这些决策一起打包成 $C_t$，客户端 LLM 拿到的就是这份计划。上一章那张图的中上部，就是这条链在一个具体案例上跑完的样子。

生成阶段还有一条硬约束：内部的数值状态字段与标识符不得出现在最终话语里。这条约束是整个设计的支点。状态可以影响措辞，但不能被念出来，而把内部状态直接说出口，正是前一类模拟器的失败方式。

可以把这条链想成拍一场戏。内容计划决定台词说什么，立场决定这一句的姿态，响应策略决定这一句要做什么，表达规划决定语速、句长和口头禅，四样一起交给演员；演员只负责把戏演出来，不能把导演的批注念进台词。Pandora 里那个演员就是客户端 LLM，它拿到的是计划，不是病历。这个映射也解释了为什么表达层必须独立：批注和台词混在一起，演员就会开始解释角色。

这个划分不是行业惯例。Consistent MI 走的是状态转移、动作选择、信息选择、响应生成，状态只用来选一个粗粒度的话语动作；PatientAct 走检索、情绪反应、行为、抵抗、信任更新、生成，约束放在披露与抵抗上。两者都没有独立的表达层。Consistent MI PatientAct Consistent MI 还有第二重身份：它既是五个基线之一，也贡献了 115 个案例中的 2 个。PatientAct 则与 Pandora 没有引用关系，是同期独立工作；它的 5P 是 profile 层的因果链，不是运行时的归因模块。

同一句干预先改状态，再改来访者怎么理解它

状态是 12 个可数的数值维度，按干预类型用固定规则更新，不额外调用 LLM 去推断；归因则是模型组织出来的解释。两者必须分开，否则规则更新会被读成"模型在共情地推断心理"。分开之后才能看清，状态是设计选择，归因是生成结果。

12 个维度覆盖情绪、防御、关系与反思能力，包括 distress、emotional arousal、defensiveness、avoidance、trust、perceived safety、disclosure readiness、self-awareness、insight、mentalization、core-belief activation 与 problem clarity。更新时先判断咨询师这句话属于哪类干预，再按类型缩放幅度：practical exchange 是 0.10，factual question 0.40，reflective statement 0.50，challenge 0.80，invalidation 1.00。trust 与 perceived safety 另走一条 0.75 旧值加 0.25 有界新值的加权，之后做步长上限与值域裁剪。这套干预评价用的行为词汇可以在动机式访谈的标注体系里找到对应，咨询师的话被分成 reflection、question、input 等几类，来访者的话分成 change、sustain、neutral。原文没有给出步长上限的具体数值，这里也不替它补。Pandora AnnoMI

这套规则最重要的产出是把"愿不愿意讲"和"讲不讲得清"分成两个独立维度。一个来访者可以很愿意讲，但讲不清；也可以讲得清，却不肯讲。把这两件事压成一个"配合度"，模拟器就只能要么全盘托出，要么一味抵抗，中间地带消失。

归因层处理的是另一件事：同一句干预对这个人意味着什么。模型手里有完整案例材料，但来访者只能说出现在组织得出来的版本，这两者被刻意分开。以 Figure 1 里那句错过情感反映的追问为例，它可以被读成"他在评判我，说多了会被误解"，于是立场变成迟疑、主行为退回到只回答问题；也可以被读成"他没接住，但愿意继续听"，防御就不必上升。差别不在咨询师说了什么，而在来访者如何解释这句话，以及把原因归给自己还是对方。Pandora

讲解：同一句话，两种读法

"像这个人"不能靠风格标签，得从来访者自己的话里蒸馏

个体语气靠两份东西，一份是离线量出来的语言档案，一份是每轮现算的表达计划。给模型一段人物小传不管用，因为小传描述的是这个人是谁，不是这个人怎么说话。离线阶段从来访者自己的话语里蒸馏 $\rho$，包括习惯性话语标记、模糊限定程度、情感显性度、话语长度分布与句数。论文 Figure 1 右栏这一例的档案是典型长度 52.5 个字符、习惯标记 maybe、hedging 高。在线阶段把立场、归因与响应策略映射成一组可执行参数，长度中心值还按回答类型缩放，factual answer 乘 0.78，practical reply 乘 0.55。

最能说明这套设计必要性的，是当前策略与习惯性模糊限定可以同时成立。这一轮策略是 answer-first，要求直接回答、情感显性度低、certainty 高；但档案里的 hedging 高、标记词是 maybe，于是这一轮的长度目标是 41 个字符、大约两句，直给里带一句 maybe。风格在这里是习惯，不是标签；标签做不到这种局部冲突，因为它只能整体地给这个人贴上"迟疑"或"直接"。

角色卡路线缺的正是这一层。Interactive Agents 用四名咨询师手写的角色卡，九项字段涵盖人口学、人格、阻抗与主诉，再配一个三阶段咨询师模型；整条链路是角色卡、两个 agent 角色扮演、终止判据、响应精炼、语料、微调。客户端 prompt 里关于风格的只有一句"口语化、自然"，没有任何针对这个人的语言统计量。Interactive Agents

它的框架图把这条链路画得很清楚。

图注：Interactive Agents 的框架图，底部标出角色构建、数据采集与模型训练三段。左栏由单轮长对话生成角色卡，再驱动 LLM 来访者；中栏是两个 agent 互相角色扮演，经终止判据与响应精炼产出语料；右栏用语料微调咨询师模型。Interactive Agents

设定给得再全，也接不住语气。这不是说角色卡无用，而是说它解决的是"这个人是谁、为什么来"，回答不了"这个人这一句会怎么说"。

消融划出分界：内容对齐与"像人"是两笔账

消融说明表达规划买到的主要是"怎么说"，内容对齐则主要由前面的阶段买到。把表达规划整块拿掉、保留状态与内容规划之后，内容对齐只掉了 0.043，仍高于所有基线；表达相似度却掉到最强基线之下；AI 感判定则从 7.2% 升到 35.6%，这一项对表达规划的依赖最明显，即便如此，35.6% 仍好于所有基线。

评估用 115 个案例，97 个中文、18 个英文，来自四个语料：PsyDial-D4 贡献 97 个，AnnoMI 11 个，Eeyore Full 5 个，Consistent MI 2 个。对比对象是五个基线：OpenClaw 走直接角色扮演，Interactive Agents 用角色卡，Patient Φ 用认知模型，MindVoyager 做认知与关系条件，Consistent MI 做状态条件动作选择；另加一个去掉表达规划的消融版本。指标分三类，分别是披露对齐 GDS、风格相似度 S_style 与 S_raw、人类评估的 AI 感比例 AIR。GDS 来自一套记忆卡协议，衡量模拟来访者是否在正确的时点披露正确的内容，分数越高越对齐。两个相似度指标的区别在内容遮罩：S_style 先遮掉共享话题再比，S_raw 直接比原话。占比最大的 PsyDial-D4 有一个关键背景：它的来访者话语先被完全遮罩，再由 LLM 依据检索到的主诉重写出来，论文自述为 semi-real，因此这里的参考文本不是经统一验证的真人原话。PsyDial

先看内容。去掉表达规划后 GDS 仍有 0.828，比最强的 Consistent MI 高 0.164，恢复表达模块只再涨 0.043。披露顺序与内容对齐主要由前面的状态更新和内容规划买到，表达规划不是主力。再看表达。去掉表达规划，S_style 从 0.566 掉到 0.458，S_raw 从 0.385 掉到 0.311，双双低于 Consistent MI 的 0.512 与 0.352；恢复之后才重新领先，论文正文记的增量是 0.108 与 0.074。AIR 的方向一致，从 7.2% 升到 35.6%，论文记的配对差是 28.3 个百分点。附录 H 的案例 45 能看清这种判定在做什么：同一个案例的八个候选里，Pandora 的话轮拿到 0 票，去掉表达规划的版本拿到 3 票，参考文本拿到 0 票。Pandora

讲解：拿掉表达层，两笔账分家

分层结果说明这个优势不是某一层撑起来的。Pandora 在 L1、L2、L3 的 LDDA 分别是 0.843、0.854、0.866，消融版本是 0.801、0.811、0.828，每一层都领先。三层样本量不同，分别是 113、115、88，所以聚合值 0.852 不等于三层算术平均，读图时不能把它当排行榜总分。图中两条曲线就是这组对照。

图注：论文 Figure 2 的分层 LDDA 折线图。横轴是披露层级 L1 到 L3，纵轴是 LDDA。Pandora 的深红实线在三层均位于最上方，标注 0.843、0.854、0.866；去掉表达规划的棕色虚线为 0.801、0.811、0.828。三层样本量分别为 113、115、88。Pandora

把这些数字读成"更像真人"或"临床可用"都会越界。参考文本的 AI 感判定是 4.4%，但它含重构成分，所以这个数不是真人基线；四名评估者都是论文共同作者，是否查看来源标识没有记录，盲法无法确认。评的又是孤立话轮，评估面板很小。风格相似度只借了 Eval4Sim 的字符 4-gram TF-IDF 表示，改成生成话语与源对话的配对比较，没有复现那套训练好的作者验证器，也没有用它的聚合分数；而 Eval4Sim 的立场本来就是双向偏离，太低说明人格编码不足，太高说明风格过度外显，相似度高并不等于像人。Eval4Sim

换一个 judge，"像不像人"的结论也会动。MirrorBench 报告同一批代理在换 judge 后 GTEval 分数在 0.45 到 0.81 之间浮动，人类与 judge 的相关性按指标分列，GTEval 的 Spearman ρ 是 0.607 到 0.697，成对不可区分性的相关性是 0.532 到 0.671。MirrorBench

外部证据还限制了结论能走多远。真人角色扮演与 LLM 模拟来访者的对照显示，LLM 侧披露更直接、结构更强，咨询师随之更多依赖事实型反思、更少主导调节，真人来访者则做更详尽的问题澄清，该研究没有测任何训练效果。静态 profile 路线也有自己的代价，MASC 记录到 persona drift、不现实的顺从，以及状态、沟通动作与情绪三者不一致，那是另一条路线要付的账，不是对 Pandora 的反驳。EDM 对照 MASC

论文自陈的四条局限也值得一起读。语料以中文为主且含重构或生成成分；状态数值是设计选择，不是心理测量估计；消融把表达规划当整体，没有拆开离线档案与在线条件化各自的贡献；这些收益能否改善咨询师训练或下游评测仍是开放问题。它还是 arXiv 预印本，未标注接收状态。

所以这篇论文真正立住的主张只有一条：把"怎么说"显式规划出来，能让模拟来访者的表达更贴近本人的语言习惯，并明显降低被认作 AI 的比例。它没有证明模拟得更像人就等于训练更有效，这两步之间还隔着参考文本、评估者与下游效果三道关。

想深入可以读原文：Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy，arXiv:2611.00617

参考文献

1. Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy. https://arxiv.org/abs/2611.00617
2. PATIENT-Ψ: Using Large Language Models to Simulate Patients for Training Mental Health Professionals. https://arxiv.org/abs/2405.19660
3. Consistent Client Simulation for Motivational Interviewing-based Counseling. https://arxiv.org/abs/2502.02802
4. Interactive Agents: Simulating Counselor-Client Psychological Counseling via Role-Playing LLM-to-LLM Interactions. https://arxiv.org/abs/2408.15787
5. Can You Share Your Story? Modeling Clients' Metacognition and Openness for LLM Therapist Evaluation. https://arxiv.org/abs/2507.19643
6. Eval4Sim: An Evaluation Framework for Persona Simulation. https://arxiv.org/abs/2603.02876
7. MirrorBench: A Benchmark to Evaluate Conversational User-Proxy Agents for Human-Likeness. https://arxiv.org/abs/2601.08118
8. PsyDial: A Large-scale Long-term Conversational Dataset for Mental Health Support. https://aclanthology.org/2025.acl-long.1049/
9. Creation, Analysis and Evaluation of AnnoMI, a Dataset of Expert-Annotated Counselling Dialogues. https://doi.org/10.3390/fi15030110
10. PatientAct: Theory-Grounded Mental Health Client Simulation. https://arxiv.org/abs/2608.12750
11. MASC: A Multi-Agent Self-Calibration Framework with Latent Construct Alignment for Consistent Client Role-Playing in Psychological Counseling. https://arxiv.org/abs/2610.08250
12. Comparing Human Role-Players and LLM-Simulated Clients in Online Counselling Training: An Analysis of Counselling Patterns. https://arxiv.org/abs/2610.40563