論文の概要: ESC-Skills: Discovering and Self-Evolving Skills for Emotional Support Conversations

• arxiv url: http://arxiv.org/abs/2605.27908v1
• Date: Wed, 27 May 2026 03:32:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.719986
• Title: ESC-Skills: Discovering and Self-Evolving Skills for Emotional Support Conversations
• Title（参考訳）: ESCスキル:感情支援会話における自己発達スキルの発見
• Authors: Jie Zhu, Huaixia Dou, Shuo Jiang, Junhui Li, Lifan Guo, Feng Chen, Chi Zhang, Fang Kong,
• Abstract要約: 本研究では,実行可能な感情支援スキルを発見し,自己発展させるスキル中心のフレームワークであるESC-Skillsを提案する。 まず,介入単位 (Intervention Units, IUs) として局所的支援相互作用をモデル化し, 探索状態間の状態-行動-アウトカムのダイナミクス, 支援介入, 反応後の感情変化を捉える。 介入指導,適用条件,期待結果,潜在的なリスクを含む情緒的支援スキルのリポジトリであるESC-Skills Bankを構築した。
• 参考スコア（独自算出の注目度）: 25.708317827505695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing emotional support conversation (ESC) systems mainly rely on end-to-end response generation or coarse strategy supervision, offering limited interpretability and little support for systematic skill improvement. We propose ESC-Skills, a skill-centric framework that discovers and self-evolves executable emotional support skills. We first model localized support interactions as Intervention Units (IUs), which capture state--action--outcome dynamics between seeker states, support interventions, and post-response emotional changes. Based on IUs extracted from both successful and failed ESC dialogues, we construct the ESC-Skills Bank, a repository of executable emotional support skills containing intervention guidance, applicability conditions, expected outcomes, and potential risks. To further improve robustness, we introduce a multi-profile self-evolutionary refinement framework in which an ESC agent interacts with diverse simulated seeker profiles under SAGE evaluation. The resulting interaction traces are analyzed to identify missing skills, unsafe interventions, and profile-specific failure patterns, which are then used to refine the Skills Bank through simulation-based verification. Experimental results demonstrate that ESC-Skills improves both response-level quality and dialogue-level emotional outcomes while providing more interpretable and controllable support behaviors. We will release the code, prompts, and ESC-Skills Bank at https://github.com/aliyun/qwen-dianjin.
• Abstract（参考訳）: 既存の感情支援会話(ESC)システムは、主にエンドツーエンドの応答生成や粗い戦略管理に依存しており、限定的な解釈可能性と体系的なスキル改善への支援はほとんどない。 本研究では,実行可能な感情支援スキルを発見し,自己発展させるスキル中心のフレームワークであるESC-Skillsを提案する。 まず,介入単位 (Intervention Units, IUs) として局所的支援相互作用をモデル化し, 探索状態間の状態-行動-アウトカムのダイナミクス, 支援介入, 反応後の感情変化を捉える。 本研究は,ESC対話の成功と失敗の両方から抽出したIUに基づいて,介入指導,適用条件,期待結果,潜在的なリスクを含む情緒的支援スキルのリポジトリであるESCスキルバンクを構築した。 本研究では,ESCエージェントがSAGE評価の下で,多様なシミュレートされた探索者プロファイルと対話する,多面的な自己進化的改善フレームワークを提案する。 得られたインタラクショントレースを分析して、不足したスキル、安全でない介入、プロファイル固有の障害パターンを特定し、シミュレーションベースの検証を通じてスキルバンクを洗練させる。 実験の結果,ESCスキルは応答レベルと対話レベルの両方の感情的結果を改善するとともに,より解釈可能な,制御可能な支援行動を提供することがわかった。 コード、プロンプト、ESCスキルバンクをhttps://github.com/aliyun/qwen-dianjin.comで公開します。

関連論文リスト

• Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation [12.273252267253385]
  認知歪みのラベルを追加することで、既存のESCデータセットを拡張する最初のデータセットを構築します。 本研究では,認知政策駆動型大規模言語モデルフレームワーク(CoPoLLM)を提案する。 実験の結果,CoPoLLMは歪み診断精度,介入戦略の有効性,安全リスク管理の点で,最先端のベースライン15を著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2026-04-19T00:39:04Z)
• Towards Open-Ended Emotional Support Conversations in LLMs via Reinforcement Learning with Future-Oriented Rewards [13.938394655357916]
  Emotional Support Conversation systemは、ユーザの感情的困難を軽減し、感情的幸福を長期的かつ体系的に支援することを目的としている。 ほとんどの大規模言語モデル(LLM)ベースのESCシステムは、複雑な実生活シナリオでの有効性を制限する事前定義された戦略に依存している。 本稿では、強化学習を用いて、感情的支援力を直接学習する新しいエンドツーエンドフレームワーク(RLFF-ESC)を提案する。
  論文  参考訳（メタデータ） (2025-08-18T14:04:26Z)
• 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)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• FEEL: A Framework for Evaluating Emotional Support Capability with Large Language Models [14.894922829587841]
  感情支援会話(Emotional Support Conversation、ESC)は、感情的なプレッシャーを軽減できる典型的な対話である。 現在の非芸術的方法論は、感情的支援能力を効果的に評価する上で困難に直面している。 本稿では,感情支援能力を評価するために,Large Language Models (LLMs) を用いた新しいモデルFEELを提案する。
  論文  参考訳（メタデータ） (2024-03-23T03:32:26Z)
• 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)
• Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning [81.79431311952656]
  感情支援のための新しいシステムMultiESCを提案する。 戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。 ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
  論文  参考訳（メタデータ） (2022-10-09T12:23:47Z)

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。