ReflectDiffu：基于强化学习-扩散框架在情绪-意图传染与模仿间反思的共情响应生成
人工智能
2025-06-03 v4 计算与语言
机器学习
摘要
共情响应生成需要整合情绪和意图动态，以促进有意义的交互。现有研究要么忽略了情绪与意图之间复杂的相互作用，导致共情可控性欠佳；要么求助于大语言模型（LLM），从而产生巨大的计算开销。在本文中，我们引入了ReflectDiffu，一个用于共情响应生成的轻量级综合框架。该框架引入情绪传染以增强情绪表现力，并采用情绪推理掩码来精确定位关键情绪元素。此外，它在强化学习中整合了意图模仿，以便在扩散过程中进行细化。通过利用探索-采样-纠正的意图双重反思机制，ReflectDiffu巧妙地将情绪决策转化为精确的意图动作，从而解决由情绪误识别引起的共情响应错位问题。通过反思，该框架将情绪状态映射到意图，显著提升了响应的共情能力和灵活性。综合实验表明，ReflectDiffu在相关性、可控性和信息量方面优于现有模型，在自动评估和人工评估中均取得了SOTA结果。
引用
@article{arxiv.2409.10289,
title = {ReflectDiffu:Reflect between Emotion-intent Contagion and Mimicry for Empathetic Response Generation via a RL-Diffusion Framework},
author = {Jiahao Yuan and Zixiang Di and Zhiqing Cui and Guisong Yang and Usman Naseem},
journal= {arXiv preprint arXiv:2409.10289},
year = {2025}
}
备注
Accepted by ACL 2025 Main Conference