ESC-Skills: Het Ontdekken en Zelfontwikkelen van Vaardigheden voor Emotionele Ondersteuningsgesprekken

Samenvatting

Bestaande systemen voor emotionele ondersteuningsgesprekken (ESC) zijn voornamelijk afhankelijk van end-to-end responsgeneratie of grove strategiebegeleiding, wat beperkte interpreteerbaarheid biedt en weinig ondersteuning voor systematische vaardigheidsverbetering. Wij stellen ESC-Skills voor, een vaardigheidsgericht raamwerk dat uitvoerbare emotionele ondersteuningsvaardigheden ontdekt en laat evolueren. Eerst modelleren we gelokaliseerde ondersteuningsinteracties als Interventie-eenheden (IU's), die de toestand-actie-uitkomstdynamiek vastleggen tussen hulpvragerstoestanden, ondersteuningsinterventies en emotionele veranderingen na de respons. Op basis van IU's die zijn geëxtraheerd uit zowel succesvolle als mislukte ESC-dialogen, bouwen we de ESC-Skills-bank, een repository van uitvoerbare emotionele ondersteuningsvaardigheden met interventiebegeleiding, toepasbaarheidsvoorwaarden, verwachte uitkomsten en potentiële risico's. Om de robuustheid verder te verbeteren, introduceren we een raamwerk voor zelf-evolutionaire verfijning met meerdere profielen, waarbij een ESC-agent interacteert met diverse gesimuleerde hulpvragerprofielen onder SAGE-evaluatie. De resulterende interactiepaden worden geanalyseerd om ontbrekende vaardigheden, onveilige interventies en profielspecificke faalpatronen te identificeren, die vervolgens worden gebruikt om de Vaardighedenbank te verfijnen via simulatiegebaseerde verificatie. Experimentele resultaten tonen aan dat ESC-Skills zowel de kwaliteit op responsniveau als de emotionele uitkomsten op dialoogniveau verbetert, terwijl het meer interpreteerbare en controleerbare ondersteuningsgedragingen biedt. We zullen de code, prompts en de ESC-Skills-bank publiceren op https://github.com/aliyun/qwen-dianjin.

English

Existing emotional support conversation (ESC) systems mainly rely on end-to-end response generation or coarse strategy supervision, offering limited interpretability and little support for systematic skill improvement. We propose ESC-Skills, a skill-centric framework that discovers and self-evolves executable emotional support skills. We first model localized support interactions as Intervention Units (IUs), which capture state--action--outcome dynamics between seeker states, support interventions, and post-response emotional changes. Based on IUs extracted from both successful and failed ESC dialogues, we construct the ESC-Skills Bank, a repository of executable emotional support skills containing intervention guidance, applicability conditions, expected outcomes, and potential risks. To further improve robustness, we introduce a multi-profile self-evolutionary refinement framework in which an ESC agent interacts with diverse simulated seeker profiles under SAGE evaluation. The resulting interaction traces are analyzed to identify missing skills, unsafe interventions, and profile-specific failure patterns, which are then used to refine the Skills Bank through simulation-based verification. Experimental results demonstrate that ESC-Skills improves both response-level quality and dialogue-level emotional outcomes while providing more interpretable and controllable support behaviors. We will release the code, prompts, and ESC-Skills Bank at https://github.com/aliyun/qwen-dianjin.