ChatPaper.aiChatPaper

CARE : Renforcement Augmenté par le Raisonnement Cognitif pour les Conversations de Soutien Émotionnel

CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation

September 30, 2025
papers.authors: Jie Zhu, Yuanchen Zhou, Shuo Jiang, Junhui Li, Lifan Guo, Feng Chen, Chi Zhang, Fang Kong
cs.AI

papers.abstract

La Conversation de Soutien Émotionnel (CSE) joue un rôle essentiel dans l’atténuation du stress psychologique et la fourniture de valeur émotionnelle par le dialogue. Bien que les études récentes se soient principalement concentrées sur l’augmentation des données et la construction de corpus synthétiques, elles négligent souvent les processus cognitifs de raisonnement plus profonds qui sous-tendent un soutien émotionnel efficace. Pour combler cette lacune, nous proposons CARE, un cadre novateur qui renforce le raisonnement dans la CSE sans recourir à des données synthétiques à grande échelle. CARE exploite l’ensemble d’entraînement original de la CSE pour guider les modèles dans la génération de réponses logiquement cohérentes et bienveillantes, améliorant ainsi explicitement le raisonnement cognitif. Sur cette base, nous utilisons ensuite l’apprentissage par renforcement pour affiner et renforcer le processus de raisonnement. Les résultats expérimentaux démontrent que CARE améliore significativement à la fois la solidité logique et la qualité de soutien des réponses, faisant progresser le développement de systèmes de soutien émotionnel empathiques, robustes sur le plan cognitif et proches de l’humain.
English
Emotional Support Conversation (ESC) plays a vital role in alleviating psychological stress and providing emotional value through dialogue. While recent studies have largely focused on data augmentation and synthetic corpus construction, they often overlook the deeper cognitive reasoning processes that underpin effective emotional support. To address this gap, we propose CARE, a novel framework that strengthens reasoning in ESC without relying on large-scale synthetic data. CARE leverages the original ESC training set to guide models in generating logically coherent and supportive responses, thereby explicitly enhancing cognitive reasoning. Building on this foundation, we further employ reinforcement learning to refine and reinforce the reasoning process. Experimental results demonstrate that CARE significantly improves both the logical soundness and supportive quality of responses, advancing the development of empathetic, cognitively robust, and human-like emotional support systems.
PDF32October 8, 2025