ESC-Skills: Обнаружение и саморазвитие навыков для разговоров эмоциональной поддержки

Аннотация

Существующие системы эмоциональной поддержки в диалогах (ESC) в основном основаны на сквозной генерации ответов или грубом контроле стратегий, что обеспечивает ограниченную интерпретируемость и слабую поддержку систематического улучшения навыков. Мы предлагаем ESC-Skills — фреймворк, ориентированный на навыки, который обнаруживает и саморазвивает исполнимые навыки эмоциональной поддержки. Сначала мы моделируем локализованные взаимодействия поддержки как интервенционные единицы (Intervention Units, IUs), которые отражают динамику состояние–действие–результат между состояниями ищущего поддержку, вмешательствами поддержки и эмоциональными изменениями после ответа. На основе IU, извлеченных как из успешных, так и из неудачных диалогов ESC, мы строим Банк навыков ESC-Skills — репозиторий исполнимых навыков эмоциональной поддержки, содержащий руководство по вмешательству, условия применимости, ожидаемые результаты и потенциальные риски. Для дальнейшего повышения устойчивости мы вводим многопрофильный самоэволюционный фреймворк уточнения, в котором агент ESC взаимодействует с разнообразными моделируемыми профилями ищущих поддержку в рамках оценки SAGE. Полученные следы взаимодействия анализируются для выявления отсутствующих навыков, небезопасных вмешательств и профильно-специфических паттернов неудач, которые затем используются для уточнения Банка навыков посредством верификации на основе симуляции. Экспериментальные результаты показывают, что ESC-Skills улучшает как качество на уровне отдельных ответов, так и эмоциональные результаты на уровне диалога, обеспечивая при этом более интерпретируемое и контролируемое поведение поддержки. Мы опубликуем код, промпты и Банк навыков ESC-Skills по адресу 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.