基于大语言模型的共情对话生成情感支持
Emotional Support with LLM-based Empathetic Dialogue Generation
AI总结：
本文提出基于大语言模型和提示工程的共情对话生成方法，在NLPCC 2025任务中实现第二名，展示了LLM与适应方法结合在情感支持任务中的潜力。
摘要：
情感支持对话（ESC）旨在通过对话提供共情和有效的心理支持，以应对日益增长的心理健康支持需求。本文介绍了我们在NLPCC 2025任务8 ESC评估中的解决方案，其中我们利用大规模语言模型，并结合提示工程和微调技术进行增强。我们探索了参数高效的低秩适应和全参数微调策略，以提高模型生成支持性且上下文合适的响应能力。我们的最佳模型在比赛中排名第二，凸显了将LLM与有效适应方法结合在ESC任务中的潜力。未来的工作将专注于进一步提升情感理解和响应个性化，以构建更实用和可靠的的情感支持系统。
英文摘要：
Emotional Support Conversation (ESC) aims to provide empathetic and effective emotional assistance through dialogue, addressing the growing demand for mental health support. This paper presents our solution for the NLPCC 2025 Task 8 ESC evaluation, where we leverage large-scale language models enhanced by prompt engineering and finetuning techniques. We explore both parameter-efficient Low-Rank Adaptation and full-parameter fine-tuning strategies to improve the model's ability to generate supportive and contextually appropriate responses. Our best model ranked second in the competition, highlighting the potential of combining LLMs with effective adaptation methods for ESC tasks. Future work will focus on further enhancing emotional understanding and response personalization to build more practical and reliable emotional support systems.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
