SoulChat：通过多轮共情对话微调提升大语言模型的共情、倾听与安慰能力
计算与语言
2023-11-02 v1
摘要
大语言模型（LLM）因其卓越的知识记忆与思维链（CoT）能力已被广泛应用于诸多领域。当这些语言模型应用于心理咨询领域时，往往急于给出通用建议。然而，当用户寻求心理支持时，他们需要获得共情、信任、理解与安慰，而非仅仅是合理的建议。为此，我们构建了一个包含逾200万样本的多轮共情对话数据集，其中输入为多轮对话上下文，目标为涵盖询问、安慰、认可、倾听、信任、情感支持等表达的共情回复。实验表明，通过使用更贴近心理咨询师表达的多轮对话历史与回复进行微调，可显著增强大语言模型的共情能力。
引用
@article{arxiv.2311.00273,
title = {SoulChat: Improving LLMs' Empathy, Listening, and Comfort Abilities through Fine-tuning with Multi-turn Empathy Conversations},
author = {Yirong Chen and Xiaofen Xing and Jingkai Lin and Huimin Zheng and Zhenyu Wang and Qi Liu and Xiangmin Xu},
journal= {arXiv preprint arXiv:2311.00273},
year = {2023}
}
备注
Appectped to Findings of EMNLP2023