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

本研究基于 BlenderBot3 对中学生进行英语教育，采用课程对齐解码技术构建了一个课程对齐的对话系统，并利用该系统提高学生英语学习的兴趣和对目标单词的理解。

Apr, 2023

开发了结合了 ChatGPT 功能和英语教科书系统材料的 Curriculum-Driven EduBot 聊天机器人框架，通过提取教科书相关主题并使用大型语言模型生成相关对话，进一步使用生成的对话数据对开源 LLM 进行微调，以创建与用户课程相匹配的聊天机器人，用户研究表明，我们的聊天机器人在引导基于课程的对话和适应用户英语水平方面优于 ChatGPT，将传统教科书方法与对话式 AI 相结合，提供学习者与课程相符合的互动工具，并提供用户定制的对话练习，从而促进有意义的学生 - 机器人对话，丰富课程教学框架下的整体学习体验。

Sep, 2023

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

提出多分辨率对抗生成模型 EmpDG，应对情感对话生成的挑战，结合对话层级与细粒度的用户情感， 通过交互式对抗学习框架获取用户反馈， 在内容质量和情感准确性上显著优于现有基准。

Nov, 2019

我们提出了一种名为 ChatGPT-EDSS 的共情式对话语音合成（EDSS）方法，使用 ChatGPT 提取对话上下文并训练一个 EDSS 模型来合成能够共情对话者情感的语音。实验结果表明，我们的方法表现与使用情感标签或从聊天历史中学习的神经网络派生上下文嵌入的模型相媲美。

May, 2023

该研究将情感智能技术整合进自动对话系统中，通过深度学习和自然语言处理技术创建了一个具有情感智能的对话生成模型。该模型能够实时检测和理解广泛的情绪和特定的疼痛信号，使系统能够提供共情互动。通过整合研究 “人工智能能检测疼痛并表达痛苦共情吗？” 的结果，增强了模型理解痛苦共情的微妙元素的能力，为情感智能对话系统设定了更高的标准。该项目旨在为将先进的情感智能能力整合到对话系统中提供理论理解和实际建议，从而提高用户体验和交互质量。

Apr, 2024

整合生成式人工智能到教育领域中，以英语作为外语的学习者通过与 ChatGPT 对话修订文章的方式进行的实证研究 (AI 在教育中的使用探索及反馈研究)。

Sep, 2023

在日常对话中，人们通过表达情感来传递情感信息，因此情感理解成为情感智能的关键一步。为了理解对话中的情感，我们需要让机器能够识别话语中的情感（对话情感识别，ERD），然后根据情感找出导致该情感的话语（对话情感原因提取，ECED）。目前的研究忽略了情感和原因之间的相互补充关系，因此我们提出了一种新的任务，即 “对话情感推导解释”（EDEN）。EDEN 以明确的推理方式识别情感和原因，模型需要生成一个解释文本，对导致情感的原因进行总结，使用常识分析讲话者的内部活动，然后根据推导出的原因猜测情感。为了支持 EDEN 的研究，我们基于 ECED 中的现有资源，通过人力努力构建了两个 EDEN 数据集。我们在 EDEN 上评估了不同模型，并发现大型语言模型（LLMs）比传统的预训练语言模型（PLMs）更有竞争力。此外，EDEN 可以帮助 LLMs 更好地识别情感和原因，探索了对话中可解释的情感理解的新研究方向。

Jun, 2024

我们提出了一种新颖的基于 AI 的聊天机器人学习模式，用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式，在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估，证明了我们的系统在传递知识和关注用户方面的有效性，帮助用户在不阅读文章的情况下大大提高知识水平。

May, 2022