Empathy-R1：面向长形式心理健康支持的链式共情强化学习框架
计算与语言
2025-09-22 v2 人工智能
摘要
共情对于有效的心理健康支持至关重要,尤其是当处理长期辅导文本（LCTs）时。然而现有的大型语言模型（LLM）常生成在语义流畅但缺乏真正心理辅导所需结构化推理的回复,尤其是在中文语境下。为弥合这一差距,我们提出Empathy-R1,一种集成链式共情（Chain-of-Empathy, CoE）推理过程于强化学习（RL）以提升LCT回复质量的新框架。灵感来自认知行为疗法,我们的CoE范式引导模型依次推理帮助者的情绪、原因与意图,使其思考过程既透明又可解释。我们的框架基于全新的中文数据集Empathy-QA和两阶段训练过程而获得力量。首先,监督式微调赋予CoE推理结构;随后,由专门的奖励模型引导的RL进一步细化治疗相关性和情境恰当性。实验表明,Empathy-R1在关键自动评估指标上取得优异成绩。更重要的是,人类评估确认了其优势,在我们的新基准上Win@1率达44.30%。通过实现可解释且情境细致入微的回复,Empathy-R1标志着开发负责任且真正有益于心理健康支持的人工智能的重要进展。
引用
@article{arxiv.2509.14851,
title = {Empathy-R1: A Chain-of-Empathy and Reinforcement Learning Framework for Long-Form Mental Health Support},
author = {Xianrong Yao and Dong She and Chenxu Zhang and Yimeng Zhang and Yueru Sun and Noman Ahmed and Yang Gao and Zhanpeng Jin},
journal= {arXiv preprint arXiv:2509.14851},
year = {2025}
}