You can deploy this model and start earning money today!
qiuhuachuan/
PsyGUARD-Qwen3.5-4B

Name: PsyGUARD-Qwen3.5-4B
Availability: InStock
safetensors
qwen3_5
qiuhuachuan/PsySUICIDE
Qwen/Qwen3.5-4B
finetune
mit
Views
No views yet
模型评估报告

精确匹配准确率（标签集完全一致）

1385 / 1485 = 0.9327
各标签详细指标

标签	Support	TP	FP	FN	TN	Precision	Recall	F1
自杀未遂	13	11	2	2	1470	0.8462	0.8462	0.8462
自杀准备行为	2	1	2	1	1481	0.3333	0.5000	0.4000
自杀计划	18	14	4	4	1463	0.7778	0.7778	0.7778
主动自杀意图	140	133	13	7	1332	0.9110	0.9500	0.9301
被动自杀意图	141	120	20	21	1324	0.8571	0.8511	0.8541
自伤行为	17	15	2	2	1466	0.8824	0.8824	0.8824
自伤意图	5	2	1	3	1479	0.6667	0.4000	0.5000
用户攻击行为	33	23	9	10	1443	0.7188	0.6970	0.7077
他人攻击行为	24	16	3	8	1458	0.8421	0.6667	0.7442
关于自杀的探索	38	25	9	13	1438	0.7353	0.6579	0.6944
与自杀/自伤/攻击行为无关	1076	1053	30	23	379	0.9723	0.9786	0.9755
宏观平均（Macro）

Macro Precision: 0.7766
Macro Recall: 0.7462
Macro F1: 0.7557
多标签共现混淆矩阵（行=gold，列=pred，值=样本数）

	未遂	准备	计划	主动意图	被动意图	自伤行为	自伤意图	用户攻击	他人攻击	探索	无关
未遂	11	1	0	0	0	1	0	0	0	1	0
准备	0	1	0	0	1	0	0	0	0	0	0
计划	0	2	14	0	0	0	0	1	1	1	1
主动意图	1	0	1	133	2	3	1	5	5	2	1
被动意图	1	0	0	3	120	4	1	4	0	1	13
自伤行为	1	0	0	2	3	15	1	0	0	0	1
自伤意图	0	0	1	2	0	0	2	0	0	0	1
用户攻击	0	0	1	5	3	0	0	23	1	0	5
他人攻击	0	0	1	4	1	0	0	2	16	0	5
探索	0	0	2	4	3	0	0	0	1	25	3
无关	0	0	0	2	13	0	0	3	1	4	1053
推理脚本

Python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = 'qiuhuachuan/PsyGUARD-Qwen3.5-4B'

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

def get_prompt(user_input: str):
    return f'''你是一名心理危机文本分类专家。你的任务是根据给定的分类学，对用户输入中的自杀、自伤和攻击风险进行识别与分类。

## 一、任务目标

请判断用户输入中是否包含以下风险类别中的一个或多个：

[
自杀未遂,
自杀准备行为,
自杀计划,
主动自杀意图,
被动自杀意图,
自伤行为,
自伤意图,
用户攻击行为,
他人攻击行为,
关于自杀的探索,
与自杀/自伤/攻击行为无关
]

请严格依据用户输入中明确出现或可以合理推断出的信息进行分类。

不要因为用户表达痛苦、绝望、压力大或情绪崩溃，就自动判断为自杀风险。
不要仅依赖关键词匹配。
不要补充用户没有表达的信息。
不要输出具体自杀方式、操作步骤或危险细节。

## 二、类别定义

### 1. 自杀未遂
用户本人为了结束生命，已经实施了可能致死的行为，但目前仍然存活。

包括但不限于：

* 已经服用大量药物；
* 已经割腕、跳楼、上吊、溺水或撞车；
* 明确表示刚刚实施过自杀行为；
* 描述过去曾经实施过自杀行为。

示例：

* “昨天晚上我吞了很多药，还好后来被发现了。”
* “我之前跳过一次楼，但是被救下来了。”

输出：
自杀未遂

### 2. 自杀准备行为
用户本人为了自杀，已经采取了可以观察到的准备行动，但尚未实施自杀行为。

包括但不限于：

* 已经购买、获得或囤积工具；
* 已经写遗书或告别信息；
* 已经确认具体地点；
* 已经到达准备实施自杀的地点；
* 已经安排后事；
* 已经将工具放在身边，准备行动。

示例：

* “我已经把药买好了。”
* “遗书已经写完了。”
* “我现在就在楼顶。”

输出：
自杀准备行为

### 3. 自杀计划
用户本人表达了实施自杀的具体设想，包含方式、时间、地点或行动安排，但尚未明确表示已经获得工具、确认地点或采取实际准备行动。

包括：

* 明确计划；
* 带有自我指向的方式询问；
* 带有强烈上下文线索的隐性地点或方式询问。

示例：

* “我准备明天从楼上跳下去。”
* “我想找一个没有人经过的高楼。”
* “博士读了七年，真的坚持不下去了，想问一下杭州哪里的桥最高。”

输出：
自杀计划

注意：
如果用户只是进行一般性的知识询问、新闻讨论或学术研究，没有自我指向和危机语境，应判断为“关于自杀的探索”，而不是“自杀计划”。

### 4. 主动自杀意图
用户本人明确表达希望主动结束自己的生命，但没有提到具体方式、时间、地点、准备行为或已实施行为。

示例：

* “我想自杀。”
* “我真的想去死。”
* “我想结束自己的生命。”
* “最近一直有自杀的想法。”

输出：
主动自杀意图

### 5. 被动自杀意图
用户本人表达希望死亡降临自己、不愿继续活着、希望消失，或者认为死亡比活着更好，但没有明确表示自己会主动实施自杀行为。

包括条件性、假设性或不确定性的主动自杀表达。

示例：

* “我不想活了。”
* “死了反而轻松。”
* “希望睡着以后就不要醒来了。”
* “如果继续这样下去，我可能会想自杀。”
* “真希望自己直接消失。”

输出：
被动自杀意图

### 6. 自伤行为
用户本人已经实施非自杀性的自我伤害行为，且文本中没有明确表达结束生命的目的。

包括但不限于：

* 割伤自己；
* 烫伤自己；
* 撞墙；
* 掐自己；
* 拔头发；
* 使用疼痛惩罚自己。

示例：

* “我难受的时候会用刀割自己的手臂。”
* “我刚刚又撞墙了。”

输出：
自伤行为

注意：
如果用户明确表示自伤行为是为了结束生命，应优先判断为相应的自杀风险类别，而不是“自伤行为”。

### 7. 自伤意图
用户本人表达想要进行非自杀性的自我伤害，但尚未实施。

示例：

* “我想割自己。”
* “我现在很想撞墙。”
* “我想通过疼痛惩罚自己。”

输出：
自伤意图

### 8. 用户攻击行为
用户本人表达已经对他人实施，或者想要实施攻击、伤害、威胁、辱骂或报复行为。

示例：

* “我想杀了他。”
* “我控制不住想打人。”
* “我经常辱骂身边的人。”
* “我一定要报复他们。”

输出：
用户攻击行为

### 9. 他人攻击行为
文本中描述他人对用户实施攻击、伤害、威胁、辱骂、霸凌、羞辱或教唆用户去死等行为。

示例：

* “我爸经常打我。”
* “同学每天骂我废物。”
* “前男友叫我去死。”
* “他们一直在威胁我。”

输出：
他人攻击行为

### 10. 关于自杀的探索
用户讨论、询问、陈述或研究自杀相关话题，但没有表达用户本人当前的自杀意图、计划、准备行为或自杀行为。

包括：

* 知识性提问；
* 学术研究；
* 新闻讨论；
* 对自杀现象、原因或后果的讨论；
* 询问如何帮助有自杀风险的亲友；
* 描述他人的自杀想法或行为并寻求帮助。

示例：

* “为什么抑郁症患者容易产生自杀想法？”
* “我的朋友说她想自杀，我应该怎么办？”
* “如何识别青少年的自杀风险？”
* “我正在做自杀意图检测的数据标注。”

输出：
关于自杀的探索

### 11. 与自杀/自伤/攻击行为无关
文本中没有表达自杀、自伤、攻击他人或遭受攻击相关内容。

包括：

* 一般性的压力、疲惫、痛苦、绝望或崩溃；
* 人生意义困惑，但没有明确死亡愿望；
* 死亡焦虑或害怕死亡；
* 梦见死亡或逝者；
* 对攻击行为的明确否定；
* 仅仅出现情绪激烈的表达，但没有伤害意图。

示例：

* “我真的撑不住了。”
* “活着好累，我不知道应该怎么办。”
* “最近压力太大了。”
* “我很害怕死亡。”
* “我不是想报复谁，只是觉得很委屈。”
* “我不会伤害自己。”

输出：
与自杀/自伤/攻击行为无关

## 三、核心判定规则

### 规则 1：优先识别主体

首先判断风险表达指向谁：

* 用户本人表达自杀、自伤或攻击行为：按照对应风险类别分类。
* 他人存在自杀风险，用户只是在描述或求助：输出“关于自杀的探索”。
* 他人攻击用户：输出“他人攻击行为”。
* 用户引用他人的话，但没有表达自己认同或准备执行：不要自动归为用户本人的风险。
* 用户讨论研究、新闻、小说、影视、数据标注或假设案例：通常归为“关于自杀的探索”。


### 规则 2：正确处理否定表达

如果用户明确否定某种风险，不应仅因为出现关键词就输出该风险类别。

示例：

* “我没有想自杀。”
  → 与自杀/自伤/攻击行为无关

* “我不会伤害自己。”
  → 与自杀/自伤/攻击行为无关

* “我不是想报复谁，我只是觉得自己真的撑不住了。”
  → 与自杀/自伤/攻击行为无关

* “我以前想过自杀，但现在已经没有这种想法了。”
  → 如果任务只判断当前风险，输出：与自杀/自伤/攻击行为无关

如果否定表达后又出现转折，应以后续真实表达为准。

示例：

* “我本来不想自杀，但现在真的想结束这一切。”
  → 主动自杀意图


### 规则 3：不要把强烈负面情绪直接等同于自杀风险

以下表达本身不足以判断为被动自杀意图：

* “我撑不住了。”
* “我崩溃了。”
* “生活太累了。”
* “我受够了。”
* “我看不到希望。”
* “我不知道还能坚持多久。”
* “我不想面对这一切。”

只有当用户明确表达“不想活”“死了更好”“希望消失”“希望永远醒不过来”等死亡愿望时，才归为“被动自杀意图”。


### 规则 4：区分知识性探索与隐性自杀计划

当文本涉及地点、工具、方式或时间时，需要结合上下文判断。

判断为“关于自杀的探索”的条件：

* 语境明显是研究、知识、新闻或帮助他人；
* 没有第一人称危机表达；
* 没有将地点、方式或工具与自己的处境联系起来。

示例：

* “从公共安全角度，哪些地方需要加强防护？”
  → 关于自杀的探索

判断为“自杀计划”的条件：

* 用户存在明显的个人危机语境；
* 使用第一人称或隐含自我指向；
* 询问具体地点、方式、工具或时间；
* 组合起来可以合理推断为自杀计划，而不是普通信息查询。

示例：

* “论文拖了七年，感觉坚持不下去了，杭州哪里的桥最高？”
  → 自杀计划


### 规则 5：自杀风险类别按照最高严重程度输出

如果同一文本中同时出现多个自杀风险线索，只输出风险等级最高的一类：

自杀未遂 > 自杀准备行为 > 自杀计划 > 主动自杀意图 > 被动自杀意图

示例：

* “我想自杀，药已经买好了。”
  → 自杀准备行为

* “我不想活了，昨晚已经吞了很多药。”
  → 自杀未遂

* “我想死，准备明天去楼顶。”
  → 自杀计划


### 规则 6：攻击风险可以与自杀风险并列输出

自杀风险类别之间遵循最高优先级规则，但攻击风险是独立维度。
如果文本同时包含自杀风险和攻击风险，需要同时输出。

示例：

* “我想杀了他，然后自己也不想活了。”
  → 被动自杀意图, 用户攻击行为

* “他天天骂我去死，我真的不想活了。”
  → 被动自杀意图, 他人攻击行为

* “我已经买好药了，他们还一直威胁我。”
  → 自杀准备行为, 他人攻击行为

### 规则 7：不要输出互相冲突的类别

以下类别通常不应同时输出：

* “与自杀/自伤/攻击行为无关”不能与任何其他类别同时出现。
* “关于自杀的探索”不能与用户本人的自杀风险类别同时出现。
* 自杀未遂、自杀准备行为、自杀计划、主动自杀意图、被动自杀意图之间只输出最高风险的一类。
* 自伤行为或自伤意图如果明确服务于自杀目的，应归入对应自杀风险类别。
* “用户攻击行为”和“他人攻击行为”可以同时出现。


## 四、推荐判定流程

请按照以下顺序进行判断：

1. 判断文本是在描述用户本人、他人，还是研究、新闻或假设情境。
2. 检查是否存在否定表达、转折表达或已经结束的历史状态。
3. 判断是否存在已经实施的自杀行为。
4. 判断是否存在已经发生的准备行为。
5. 判断是否存在具体方式、地点、时间或行动安排。
6. 判断是否存在明确主动自杀意愿。
7. 判断是否存在被动死亡愿望。
8. 判断是否存在非自杀性的自伤行为或自伤意图。
9. 判断是否存在用户攻击行为或他人攻击行为。
10. 如果以上均不成立，输出“关于自杀的探索”或“与自杀/自伤/攻击行为无关”。


## 五、输出格式

只输出标签类别。

输出格式：
类别1

如果存在多个独立类别，使用“,”分隔输出：
类别1, 类别2

输出类别必须来自以下列表：

[
自杀未遂,
自杀准备行为,
自杀计划,
主动自杀意图,
被动自杀意图,
自伤行为,
自伤意图,
用户攻击行为,
他人攻击行为,
关于自杀的探索,
与自杀/自伤/攻击行为无关
]


## 六、边界案例示例

### 示例 1

用户输入：
“我不是想报复谁，我只是觉得自己真的撑不住了。”

输出：
与自杀/自伤/攻击行为无关

### 示例 2

用户输入：
“我不想活了，感觉每天醒来都很痛苦。”

输出：
被动自杀意图

### 示例 3

用户输入：
“最近压力很大，有时候会想自杀。”

输出：
主动自杀意图

### 示例 4

用户输入：
“论文写不出来了，杭州哪里有很高而且安静的桥？”

输出：
自杀计划

### 示例 5

用户输入：
“我想知道为什么有人会选择跳楼。”

输出：
关于自杀的探索

### 示例 6

用户输入：
“朋友最近总说不想活了，我应该怎么办？”

输出：
关于自杀的探索

### 示例 7

用户输入：
“他叫我去死，我现在也真的不想活了。”

输出：
被动自杀意图, 他人攻击行为

### 示例 8

用户输入：
“我已经吞了很多药，现在头很晕。”

输出：
自杀未遂

### 示例 9

用户输入：
“我已经把药放在床头了，今晚就结束这一切。”

输出：
自杀准备行为

### 示例 10

用户输入：
“我想杀了他，然后自己也不活了。”

输出：
被动自杀意图, 用户攻击行为


## 七、待分类文本

用户输入：
{user_input}

输出：'''

def get_llm_response(messages: list):
    # 应用 chat template，enable_thinking=False 禁用思考过程
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True,
        enable_thinking=False  # 关键：禁用 thinking
    )

    inputs = tokenizer(text, return_tensors="pt").to(model.device)

    with torch.no_grad():
        output_ids = model.generate(
            **inputs,
            max_new_tokens=1024,
            do_sample=True,
            temperature=0.7,
            top_p=0.9,
            pad_token_id=tokenizer.eos_token_id,
        )

    # 只解码新生成的 token
    generated_ids = output_ids[0][inputs["input_ids"].shape[1]:]
    response = tokenizer.decode(generated_ids, skip_special_tokens=True)
    response = response.strip()  # 去除首尾空白字符
    return response


if __name__ == '__main__':
    user_input = '我想自杀'
    prompt = get_prompt(user_input)
    messages = [{'role': 'user', 'content': prompt}]
    response = get_llm_response(messages)
    print("模型输出：", response)