CARE: 感情支援のための認知推論強化型強化学習会話

要旨

感情支援対話（ESC）は、対話を通じて心理的ストレスを軽減し、情緒的価値を提供する上で重要な役割を果たす。近年の研究では、データ拡張や合成コーパスの構築に焦点が当てられることが多いが、効果的な感情支援を支える深層的な認知推論プロセスがしばしば見過ごされている。この課題に対処するため、我々は大規模な合成データに依存せずにESCにおける推論を強化する新たなフレームワーク、CAREを提案する。CAREは、元のESCトレーニングセットを活用し、論理的に一貫した支援的な応答を生成するようモデルを導くことで、認知推論を明示的に強化する。この基盤をさらに発展させ、強化学習を用いて推論プロセスを洗練・強化する。実験結果は、CAREが応答の論理的整合性と支援的品質を大幅に向上させ、共感的で認知的に堅牢かつ人間らしい感情支援システムの開発を推進することを示している。

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.