arXiv cs.AI· Pengyu Huang, Zhiyuan Han, Wenwen Tong, Hewei Guo, Jiangnan Chen, Sirui Chen, Lewei Lu, Beier Zhu, Xun Yang·· 10 小时前AI 评分31
CARE：面向共情强化学习的上下文自适应评分标准演化方法
Evolving Support Priorities in Empathetic Reinforcement Learning
AI 导读
针对共情强化学习中支持优先级随对话状态演变、而现有方法使用固定奖励规格的错配问题，研究者提出 Context-Adaptive Rubric Evolution（CARE），每轮动态调整认知、情感、主动共情三维权重及细粒度评估标准，作为在线共情 RL 的自适应奖励接口。
正文 · AI 翻译
摘要：我们发现了共情强化学习中的一个根本性不匹配：支持优先级会随对话状态演变，而现有方法通常优化的是预定义、在各轮次间保持固定的奖励规范。为了对这些不断演变的支持优先级进行建模，我们将共情支持组织为认知共情、情感共情和主动共情，并提出上下文自适应评分标准演化（CARE）。在每一轮中，CARE 通过调整这三个共情维度的权重及其细粒度评估标准，生成上下文自适应的评分标准。评分标准生成器通过轮级评分标准监督和人类偏好数据，经监督微调后再进行基于偏好的强化学习训练，随后作为在线共情强化学习的自适应奖励接口。CARE 与 RLVER 和 MICA 集成后，在三位独立 LLM 评审下，于 SentientBench、EQBench3 和 EMPA 上均取得最先进性能。值得注意的是，在 EMPA 上，CARE 在三位评审下均将 EPM-Idx 较最强基线提升至少 13 分，其中在 Gemini-2.5-Pro 下从 28.11 提升至 83.54。进一步分析表明，学习到的评分标准优先级会随对话阶段和用户情绪系统性变化，表明 CARE 会随着支持需求演变而调整被奖励的内容。代码见 this https URL。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.34249 [cs.AI] |
| （或本版本的 arXiv:2609.34249v3 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.34249 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Pengyu Huang [查看邮箱]
[v1]
2026年9月28日星期一 03:55:21 UTC（3,598 KB）
[v2]
2026年10月14日星期三 02:44:40 UTC（3,598 KB）
[v3]
2026年11月4日星期三 10:29:50 UTC（4,467 KB）
来源：arXiv cs.AI · arxiv.org