EmoStage：基于视角迁移与阶段识别的精准共情响应生成框架
计算与语言
2025-06-25 v1 人工智能
摘要
随着精神健康护理需求的提升，AI驱动的咨询系统受到了广泛关注。尽管大型语言模型（LLM）具有显著潜力，但当前方法面临挑战，包括对客户心理状态和咨询阶段的理解有限、依赖高质量训练数据以及在商业部署中涉及隐私问题。为此，我们提出EmoStage框架，通过推理开源LLM的能力而无需额外训练数据来增强共情响应生成。我们的框架引入视角迁移，以推断客户的心理状态和需求，从而实现情感共鸣的响应生成。此外，融入阶段识别，以确保与咨询过程的一致性，防止产生情境不恰当或时机不当的响应。在日本和中国的咨询场景中进行的实验表明，EmoStage提高了基线模型生成的响应质量，并与数据驱动方法在竞争性表现上相当。
引用
@article{arxiv.2506.19279,
title = {EmoStage: A Framework for Accurate Empathetic Response Generation via Perspective-Taking and Phase Recognition},
author = {Zhiyang Qi and Keiko Takamizo and Mariko Ukiyo and Michimasa Inaba},
journal= {arXiv preprint arXiv:2506.19279},
year = {2025}
}