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

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

在后疫情时代，社交隔离和抑郁焦虑率上升之际，基于数字心理治疗的对话型代理与传统治疗相比，在引导用户自我依恋方面具有重要影响力。本研究开发了一个语音聊天机器人，用于指导用户进行一种基于依恋理论的自我依恋（SAT）全面心理技术。我们的聊天机器人使用一系列基于规则和分类的模块来理解用户输入，并据此导航对话流程图，根据用户的情感和心态状态推荐适当的 SAT 练习。我们收集了超过 6,000 个断语的数据集，并开发了一种新颖的情感分析模块，将用户情感分为 12 个类别，准确率超过 92%。为了保持对话的新颖性和吸引力，聊天机器人的回复是从使用 Farsi GPT-2 和强化学习方法辅助构建的大型断语数据集中检索得到的，因此需要最少的人工标注。我们的聊天机器人还提供了一个名为 SAT Teacher 的问答模块，用于回答用户关于自我依恋原则的问题。最后，我们设计了一个跨平台应用作为机器人的用户界面。我们在一个为期十天的人类研究中对平台进行了评估，共有 52 名非临床人口的志愿者参与了超过 2,000 次对话。结果表明，大部分用户（75%）表示对平台很感兴趣，72% 的用户在与聊天机器人互动后感觉变得更好，74% 的用户对 SAT Teacher 的表现感到满意。

Oct, 2023

我们提出了一个计算框架，利用现有的非语言数据创建一个普通话的对话系统，用于自我附着技术（Self-Attachment Technique，SAT）的交付。我们的框架不需要大规模人工翻译，但在保证安全和可靠性的同时，也能达到可比较的性能。我们提出了两种通过共情式重写来增强可用的回应数据的方法。通过 42 个非临床人类试验（每个持续五天），我们对我们的对话机器人与之前的仅英语 SAT 对话机器人进行了定量评估，并定量证明我们能够达到与英语 SAT 对话机器人相当的性能水平。我们对研究的限制进行了定性分析，并提出了建议，旨在指导未来的改进。

Oct, 2023

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

本文旨在研究和评估现有的衡量和评估共情能力的工作，以及迄今为止已经收集和使用的数据集，以通过比较它们的性能来突出和促进人工共情领域的最新方法的使用，以便帮助人工共情领域的研究者选择精准的方法。

Sep, 2023

本研究旨在通过提出一个新的情感重写任务和使用一种深度加强学习代理来提高在线心理健康支持平台上的情感表达，该代理利用了从 GPT-2 改编的 transformer 语言模型来完成生成具有情感内容的备选句子和在适当位置添加这些句子的任务，并通过一系列自动化和人工评价证明了其成功地生成了更具有共情性、特定性和多样性的响应，从而为促进网络平台上的共情会话提供了直接的启示。

Jan, 2021

我们提出了一种新方法，利用理论驱动的偏好数据集和优化算法来对齐 LLMs，以提高情感回应生成的质量和模型的泛化性能，并通过 EmpatheticDialogues 数据集以及 diff-EPITOME 和 BERTscore 指标来评估其效果。

Jun, 2024

该研究提出通过音频识别负面情感以实现具有自适应共情反馈的英语教学聊天机器人，并通过初步用户研究证明了该系统的有效性。

Apr, 2024