本文旨在引发对于计算共情评估方法的讨论。我们探讨了人类共情的评估方法，并提出了在人工交互系统中评估共情的更好的度量标准。我们承认在庞大的交互系统中达成单一解决方案的困难，并提出了一系列系统化方法。

Aug, 2019

本篇论文讨论了采用 AI 帮助情绪调节，在回应用户的情绪时，应当谨慎并考虑如何应对用户的情绪，以避免其对用户和社会产生负面影响，而不仅仅关注负面情绪的缓解。

Dec, 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

本文提出了第一个公开可用的用于检测共情能力预测的标准，采用单项量表的方法可靠捕捉了作者对共情能力的评估，同时也是第一个区分多种共情形式的计算模型，实验表明 CNN 模型表现最佳。

Aug, 2018

通过发展具有同理心的聊天机器人，利用因果情绪信息，收集在线情境中产生情绪的原因来实现同情回应，即情感原因，我们利用咨询策略并在真实世界的在线数据集上验证了所提出的方法的有效性。

May, 2021

本文介绍一种数据驱动的 6 阶段方法，用于建立具有同情心的人工智能（EAI），该方法可从原始聊天日志数据中检测关键情感状态，识别常见的序列和情感调节策略，并将其推广以使其适用于干预系统，应用于 (严肃) 视频游戏之中。

Feb, 2023

本研究建立了感同身受情感对话数据集，收集了受访者的特征、新闻文章引发的自我报告的同理心反应、对谈伙伴的他人报告，以及对话中表达的自我披露、情感和同理心等信息，旨在探讨不同形式的同理心与其他情感现象及人口统计学因素之间的关系，提供了预测这些特征的基线模型。

May, 2022

深入调查自然语言处理对同理心的影响，发现缺乏明确的同理心定义与过度强调情感同理心导致构建有效性与可重复性不足，提出需要以认知同理心为核心的定义来指导同理心在 NLP 研究领域的应用，并探寻该领域的被忽视的机遇。

Oct, 2022

本研究通过引进新的方法来获得他人情感的原因词，并在对话模型的生成过程中针对性地聚焦于关键词，从而有效提高生成具有针对性的共情性话语的水平。

Sep, 2021

本研究提出了一种基于情感上下文的语言建模方法，可以更有效地考虑语言生成过程中的情感内容。使用 Empathetic-Dialogues 语料库进行实验，相较于现有方法，本方法在困惑度指标上提高了 5 个百分点，并获得了更高的 BLEU 指标分数。

Nov, 2019