프롬프트를 넘어: 확률적 제어를 통한 인지 장애 표준 환자 정교한 시뮬레이션

Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering

인지 장애를 가진 표준 환자를 시뮬레이션하는 것은 임상 훈련을 위한 확장 가능하고 윤리적인 솔루션을 제공합니다. 그러나 기존 방법은 개별 프롬프트 엔지니어링에 의존하며, 다양한 영역과 심각도 수준에 걸쳐 나타나는 장애의 다양성을 포착하지 못합니다. 이러한 한계를 극복하기 위해, 우리는 인지 장애 환자의 정교한 시뮬레이션을 위한 StsPatient를 제안합니다. 우리는 혁신적으로 도메인별 특징을 추출하기 위해, 대비되는 명령어와 응답 쌍에서 제어 벡터를 추출합니다. 또한, 개입 확률을 조절하기 위한 확률적 토큰 변조(STM) 메커니즘을 도입했습니다. STM은 기존 벡터 방법의 불안정성을 완화하면서 장애 심각도에 대한 정밀한 제어를 가능하게 합니다. 포괄적인 실험 결과는 StsPatient가 임상적 현실성과 심각도 제어 측면에서 기존 방법보다 훨씬 우수한 성능을 보임을 보여줍니다.

Simulating Standardized Patients with cognitive impairment offers a scalable and ethical solution for clinical training. However, existing methods rely on discrete prompt engineering and fail to capture the heterogeneity of deficits across varying domains and severity levels. To address this limitation, we propose StsPatient for the fine-grained simulation of cognitively impaired patients. We innovatively capture domain-specific features by extracting steering vectors from contrastive pairs of instructions and responses. Furthermore, we introduce a Stochastic Token Modulation (STM) mechanism to regulate the intervention probability. STM enables precise control over impairment severity while mitigating the instability of conventional vector methods. Comprehensive experiments demonstrate that StsPatient significantly outperforms baselines in both clinical authenticity and severity controllability.