言语如刀：暴力沟通的背景个性化建模与检测
计算与语言
2025-08-26 v2
摘要
亲密关系中的对话破裂深受个人历史和情感语境的影响，然而大多数 NLP 研究将冲突检测视为一般任务，忽视了影响信息感知方式的关系动态。本工作利用非暴力沟通（NVC）理论评估 LLM 在检测对话破裂方面的表现，并评估关系背景如何影响人类和模型对冲突的感知。鉴于包含具有丰富个人背景的熟悉社交伙伴间冲突的真实数据集具有敏感性和稀缺性，贡献了 PersonaConflicts 语料库，这是一个包含 N=5,772 条自然模拟对话的数据集，涵盖朋友、家人和浪漫伴侣之间的多种冲突场景。通过一项受控人类研究，对部分对话进行标注，获得单轮对话中沟通破裂类型的细粒度标签，并评估背景对人类和模型在对话冲突感知中的影响。发现关系背景的极性显著改变了人类对沟通破裂的感知和对社交伙伴的印象，然而模型在检测任务中难以有效利用这些背景。此外，发现模型始终高估信息给听者带来的积极感受。研究结果强调了关系语境个性化对于使 LLM 成为人类沟通中有效调解者以实现真实连接的关键作用。
引用
@article{arxiv.2505.21451,
title = {Words Like Knives: Backstory-Personalized Modeling and Detection of Violent Communication},
author = {Jocelyn Shen and Akhila Yerukola and Xuhui Zhou and Cynthia Breazeal and Maarten Sap and Hae Won Park},
journal= {arXiv preprint arXiv:2505.21451},
year = {2025}
}
备注
Accepted to EMNLP 2025