arXiv cs.AI· Hongyu Jin, Wenda Zhang, Runqiu Fei, Gongping Huang, Mike Conway, Ting Dang·· 11 小时前AI 评分34
ER-EDF：面向大型音频语言模型共情语音对话的心理学情绪调节框架
ER-EDF: A Psychology-Grounded Emotion Regulation Framework for Speech Empathetic Dialogue Generation in Large Audio-Language Models
AI 导读
研究者提出 ER-EDF，一个基于 Gross 情绪调节扩展过程模型的心理学框架，让大型音频语言模型（LALM）先识别用户语音中的情绪、再选择匹配的调节策略、最后通过 LALM 实施该策略，而非直接把感知情绪映射为回复。
正文 · AI 翻译
摘要：在人类对话中，共情不仅包括识别对方的情绪，还包括调节这种情绪：倾听者识别情绪状态，选择合适的调节策略，并在回复中加以实施。当前的大型音频语言模型（LALMs）在很大程度上将感知到的情绪直接映射为回复，跳过了这一调节过程。因此，它们的回复往往只是镜像用户的情绪，或提供泛泛的同情。我们提出 ER-EDF，一个基于心理学的共情对话框架，遵循 Gross 情绪调节扩展过程模型的三个阶段：从语音中识别用户情绪、选择与该情绪匹配的调节策略，并通过 LALM 实施该策略。该框架与模型无关，可无缝集成到现有 LALM 中。我们进一步构建了一个口语共情对话数据集，并引入了超越词汇匹配的共情感知评估指标。在五个 LALM 和两个数据集上的实验表明，ER-EDF 在自动评估和人工评估中均能持续提升共情回复质量。这些结果表明，建模人类如何调节他人情绪（而不仅仅是他们如何感知情绪），是共情口语对话的关键，为基于心理学的共情 AI 铺平了道路。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.15089 [cs.AI] |
| （或 arXiv:2609.15089v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.15089 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hongyu Jin [查看电子邮件]
[v1]
2026年9月14日星期一 06:07:44 UTC（14,281 KB）
[v2]
2026年10月20日星期二 07:09:51 UTC（356 KB）
来源：arXiv cs.AI · arxiv.org