論文の概要: CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation

• arxiv url: http://arxiv.org/abs/2510.05122v1
• Date: Tue, 30 Sep 2025 03:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:07.820621
• Title: CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation
• Title（参考訳）: CARE:感情支援会話のための認知推論強化
• Authors: Jie Zhu, Yuanchen Zhou, Shuo Jiang, Junhui Li, Lifan Guo, Feng Chen, Chi Zhang, Fang Kong,
• Abstract要約: Emotional Support Conversation (ESC) は、心理的ストレスを緩和し、対話を通じて感情的価値を提供する上で重要な役割を担っている。 近年の研究では、データ拡張と合成コーパスの構築に主に焦点が当てられている。 大規模合成データに頼らずにESCにおける推論を強化する新しいフレームワークである textbfCARE を提案する。
• 参考スコア（独自算出の注目度）: 25.567786529759406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional Support Conversation (ESC) plays a vital role in alleviating psychological stress and providing emotional value through dialogue. While recent studies have largely focused on data augmentation and synthetic corpus construction, they often overlook the deeper cognitive reasoning processes that underpin effective emotional support. To address this gap, we propose \textbf{CARE}, a novel framework that strengthens reasoning in ESC without relying on large-scale synthetic data. CARE leverages the original ESC training set to guide models in generating logically coherent and supportive responses, thereby explicitly enhancing cognitive reasoning. Building on this foundation, we further employ reinforcement learning to refine and reinforce the reasoning process. Experimental results demonstrate that CARE significantly improves both the logical soundness and supportive quality of responses, advancing the development of empathetic, cognitively robust, and human-like emotional support systems.
• Abstract（参考訳）: Emotional Support Conversation (ESC) は、心理的ストレスを緩和し、対話を通じて感情的価値を提供する上で重要な役割を担っている。 近年の研究は、データ強化と合成コーパスの構築に重点を置いているが、効果的な感情的支援の基盤となる深い認知的推論プロセスを見落としていることが多い。 このギャップに対処するために,大規模な合成データに頼ることなくESCにおける推論を強化する新しいフレームワークである‘textbf{CARE} を提案する。 CAREは、オリジナルのESCトレーニングセットを活用して、論理的に一貫性があり、支持的な応答を生成するモデルを導くことにより、認知的推論を明示的に強化する。 この基盤を基盤として、我々はさらに強化学習を採用し、推論プロセスの洗練と強化に努めている。 実験の結果,CAREは反応の論理的健全性と支持的品質の両方を著しく改善し,共感的,認知的堅牢性,人間的な感情支援システムの開発を進展させることが示された。

関連論文リスト

• COMPEER: Controllable Empathetic Reinforcement Reasoning for Emotional Support Conversation [47.0476311232988]
  本稿では、自然言語推論と構造化された心理的ステップを組み合わせた、制御可能な共感推論を提案する。 我々は、正確なフィードバックを提供する統一されたプロセスアウトカム報酬モデルによる強化学習を採用する。 提案手法は,共感的,人間的支援システムの開発を推し進め,モデルの感情支援能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-08-13T06:09:32Z)
• Emotional Support with LLM-based Empathetic Dialogue Generation [5.289702620838033]
  本稿では, NLPCC 2025 Task 8 ESC 評価のためのソリューションを提案する。 我々は,素早い工学的手法と微調整技術によって強化された大規模言語モデルを活用する。
  論文  参考訳（メタデータ） (2025-07-17T06:24:20Z)
• IntentionESC: An Intention-Centered Framework for Enhancing Emotional Support in Dialogue Systems [74.0855067343594]
  感情的支援の会話では、意図の不明確さは、支持者に不適切な戦略を採用させる可能性がある。 Intention-centered Emotional Support Conversation frameworkを提案する。 支援者の意図を定義し、これらの意図を推測するための重要な感情状態の側面を特定し、それらを適切な支援戦略にマッピングする。
  論文  参考訳（メタデータ） (2025-06-06T10:14:49Z)
• Dynamic Demonstration Retrieval and Cognitive Understanding for Emotional Support Conversation [35.49338831485202]
  ESCにおける2つの重要な課題は、文脈的関連性および共感的応答生成の促進と認知的理解の促進である。 私たちの仕事は、ESCで提供されるサポートの品質を改善するためにこれらの要素を相乗化するための新しいアプローチです。 私たちのコードは、さらなる研究と開発を促進するために、パブリックアクセスが可能です。
  論文  参考訳（メタデータ） (2024-04-03T06:47:15Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Facilitating Multi-turn Emotional Support Conversation with Positive Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
  感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。 既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。 マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
  論文  参考訳（メタデータ） (2023-07-16T09:58:44Z)
• Towards Emotional Support Dialog Systems [61.58828606097423]
  本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。 本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。 情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
  論文  参考訳（メタデータ） (2021-06-02T13:30:43Z)
• Reinforcement Learning for Emotional Text-to-Speech Synthesis with Improved Emotion Discriminability [82.39099867188547]
  感情的テキスト音声合成(ETTS)は近年大きく進歩している。 i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。 i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
  論文  参考訳（メタデータ） (2021-04-03T13:52:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。