提出了一种情感对话生成模型，采用情感感知对话管理，包括情感状态跟踪和移情对话策略选择两个部分，动态管理不同信息可帮助模型生成更具移情效果的回复。

May, 2022

本文提出了一种多任务框架，该框架联合识别对话的情感并根据所识别的情感生成响应，我们利用基于 BERT 的网络来创建一种共情系统，并使用混合目标函数来训练端到端网络，包括分类和生成损失函数，实验结果表明，我们的多任务框架优于现有的最先进模型。

May, 2022

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

本研究通过五个评估维度研究人们在对话系统中尝试引入共情时所存在的关键点和未来机会，发现用户建模和对用户情感的检测和鉴别是需要进一步研究的核心问题；同时，处理多模式输入，显示更细腻的共情行为，以及包括其他对话系统特征也是需要关注的问题。

May, 2022

通过系统性研究，本文提出了一种利用人工智能评估与医疗有关文本情感的方法，重点关注自然语言处理和深度学习技术的整合。我们细致研究了许多利用人工智能增强情感分析、情绪分类和基于临床叙述、患者药物反馈和在线健康讨论的文本信息预测患者结果的研究。该综述表明算法在情感分类和神经退行性疾病的预测能力方面取得了显著进展，并创造了能够支持临床决策的以人工智能为动力的系统。人工智能应用的利用使个人化疗法计划的提高成为可能，整合了患者情感并有助于早期识别心理健康障碍。然而，AI 的应用面临着确保道德应用、保护患者机密和解决算法程序中潜在偏见等挑战。尽管如此，人工智能改变医疗实践的潜力是无可否认的，提供了一个使医疗变得更加知识化、高效化、富有同理心、以患者需求为中心的未来。本研究强调了人工智能对医疗的转变影响，提供了对人工智能在检查医疗文本情感内容和强调朝向更具同情心的患者护理方法的全面理解。研究结果倡导人工智能分析能力与医疗人文方面的和谐结合。

Mar, 2024

本文通过提出统一的端到端神经架构，实现对发帖的语义和情感的编码，以生成智能回复和恰当表达情感，实验证明在内容连贯性和情感适当性方面优于现有方法。

Jun, 2021

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

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