CARE: 감정 지원 대화를 위한 인지-추론 강화 강화 학습

초록

감정 지원 대화(ESC)는 대화를 통해 심리적 스트레스를 완화하고 감정적 가치를 제공하는 데 중요한 역할을 합니다. 최근 연구들은 주로 데이터 증강과 합성 코퍼스 구축에 초점을 맞추고 있지만, 효과적인 감정 지원의 기반이 되는 더 깊은 인지적 추론 과정을 간과하는 경우가 많습니다. 이러한 격차를 해결하기 위해, 우리는 대규모 합성 데이터에 의존하지 않고 ESC에서의 추론을 강화하는 새로운 프레임워크인 CARE를 제안합니다. CARE는 원본 ESC 훈련 데이터셋을 활용하여 모델이 논리적으로 일관되고 지원적인 응답을 생성하도록 유도함으로써 인지적 추론을 명시적으로 강화합니다. 이를 기반으로, 우리는 강화 학습을 추가적으로 활용하여 추론 과정을 세밀하게 조정하고 강화합니다. 실험 결과는 CARE가 응답의 논리적 타당성과 지원적 품질을 모두 크게 향상시켜, 공감적이고 인지적으로 견고하며 인간과 유사한 감정 지원 시스템의 발전을 이끌어냄을 보여줍니다.

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.