该研究提出了 Hailey，一种 AI 辅助的方案，可以帮助在线人互相提供心理健康支持，结果表明，与 AI 协作可以在同辈间提高 19.60% 的情感共鸣，并使自我效能得到提升。

Mar, 2022

本文介绍了一种基于计算方法的框架来理解在线心理健康平台上的情感表达，通过收集和共享大量语料来训练 RoBERTa-based bi-encoder 模型，成功识别出含有改善情感的会话，揭示用户无法通过自我学习获得改善情感能力，为情感培训和反馈提供机会。

Sep, 2020

本研究通过比较五款大型语言模型（LLMs）生成的相应和传统对话系统及人工生成的相应，发现 LLMs 在大多数情景中表现出更高的同理心，从而探索并验证 LLMs 在模拟心理咨询对话中生成同理心回应的能力。

Oct, 2023

大型语言模型在培养有同理心的对话、构建和谐社会关系以及发展有帮助的人工智能方面具有至关重要的作用。本研究通过实证调查了大型语言模型在生成有同理心的回应方面的性能，并提出了三种改进方法：语义上下文学习、两阶段交互生成和与知识库的结合。广泛的实验证明，我们的方法能够显著改善大型语言模型的性能，在自动评估和人工评估方面达到最先进的水平。此外，我们还探索了 GPT-4 模型模拟人工评估者的可能性。

Oct, 2023

本文通过设计一种 AI 辅助工作流程，根据用户的情感状态和文本关键词，使得在在线心理健康社区中进行情感支持成为可能，并提出了相应的设计建议。

Feb, 2022

本篇论文采用先前的大规模预训练和移情对话数据来制造共情性对话，并采用多轮对话的安排来维持上下文，成功创建了一种用于心理健康应用的生成性共情开放域聊天机器人，并取得了现有测试集的最佳成果。

Nov, 2021

本文提出了一个新的共情对话生成指标和一个基于具有情感情境的 25k 个会话的新数据集 EmpatheticDialogues，实验表明使用我们的数据集的对话模型被人类评估员认为比仅在大规模互联网对话数据上训练的模型更具有移情能力，同时还通过实验比较了对情感回应进行的对话模型调整，利用现有模型或数据集而无需重新训练完整模型

Nov, 2018

大型语言模型（LLMs）在医疗领域的整合潜在地可以通过开发具有共情能力，面向患者的聊天机器人，显著增强患者护理和支持。本研究调查了一个有趣的问题：相较于通常由医生提供的，ChatGPT 能否提供更高程度的共情回应？为了回答这个问题，我们从梅奥诊所收集了病人信息和医生回复的去标识化数据集，并使用 ChatGPT 生成了备选回复。我们的分析包括了一种新的共情评级（EMRank）评估方法，评估回复的共情程度，该方法涵盖了自动化指标和人工评估。我们的研究结果表明，由 LLM 驱动的聊天机器人在传递共情沟通方面有超过人类医生的潜力，这为增强患者护理和减少专业倦怠提供了有前景的途径。本研究不仅强调了患者互动中共情的重要性，还提出了一套有效的自动共情评级指标，为 LLM 在医疗领域更广泛的应用铺平了道路。

May, 2024

本文提出了一个基于个人化的情感支持框架，结合了情感对话模型和基于策略的可控生成方法，可根据寻求者的个人信息提供个性化的情感支持，该框架实验结果表明 PAL 模型胜过其他基准模型。

Dec, 2022

通过基于规则的对话代理和深度学习分类器结合的方式，我们提出了一种数字教练配置方案，用于引导用户在自我附着治疗协议方面进行练习，并在虚拟疗法会话中达到高度参与度。在与 N=16 参与者进行的非临床试验中，我们发现与简单的规则基础框架相比，我们的平台在共情性，用户参与度和实用性方面都能得到更好的评价，并提供进一步改进设计和性能的指南。

Sep, 2022