感情支援会話における感情流動言語モデル (AFlow)

深い感情を反映した大規模言語モデル (LLM) を応用する心のサポート会話 (ESC) の研究が進んでいます。しかし、複数のターンを介した効率的な支援はまだ困難です。これは、現在の関連付諸ルールが結果レベルの信号に依存し、 intermediary テクニックの選択に十分な監督を提供できないためです。この為、我々の論文では、言語モデル（AFlow）というフレームワークを開発しました。これは、一部とその後の感情的な流れを連動した、詳細に細かく监督するために、複数のターンにおける多様会話を扱うためのモデルを作ります。AFlowは、多くの探査された道を通じた中間的な価値を評価し、好みが一致する戦略の移行を学習します。このような流れのバランスに基づくサブルートレベルの目標を導入することで、戦略の効果的で心地よいレスポンスの質を向上させることが可能になります。さまざまな感情的な状況において、AFlowは基幹的なコンパクトな開発済みバックボーンを使用することで、競合基線モデルよりもconsistentとSignificant improvementsを示しました。 特定のESCメトリクスにおける多くのESCで性能が抜群となりました。我々のコード情報はhttps://github.com/chzou25-lgtm/AffectiveFlowに公開しています。

arXiv:2602.08826v1 Announce Type: cross Abstract: Large language models (LLMs) have been widely applied to emotional support conversation (ESC). However, complex multi-turn support remains challenging.This is because existing alignment schemes rely on sparse outcome-level signals, thus offering limited supervision for intermediate strategy decisions. To fill this gap, this paper proposes affective flow language model for emotional support conversation (AFlow), a framework that introduces fine-grained supervision on dialogue prefixes by modeling a continuous affective flow along multi-turn trajectories. AFlow can estimate intermediate utility over searched trajectories and learn preference-consistent strategy transitions. To improve strategy coherence and empathetic response quality, a subpath-level flow-balance objective is presented to propagate preference signals to intermediate states. Experiment results show consistent and significant improvements over competitive baselines in diverse emotional contexts. Remarkably, AFlow with a compact open-source backbone outperforms proprietary LMMs such as GPT-4o and Claude-3.5 on major ESC metrics. Our code is available at https://github.com/chzou25-lgtm/AffectiveFlow.