From Dyads to Groups: Rethinking Emotional Support with Conversational AI
Michael G. Foster School of Business, University of Washington（华盛顿大学迈克尔G.福斯特商学院）；McCombs School of Business, The University of Texas at Austin（德克萨斯大学奥斯汀分校麦库姆斯商学院）
本研究探讨群体AI支持是否比单个AI支持更有效，通过实验验证群体AI增强用户感知支持效果的机制。
2026-02-28 cs.HC
Personalizing Emotion-aware Conversational Agents? Exploring User Traits-driven Conversational Strategies for Enhanced Interaction
本研究通过实证探究用户性别、人格和文化背景如何影响其与多情绪多声音情感感知对话代理的交互策略，发现个性化定制能提升用户满意度与交互质量。
2025-11-10 cs.HC
Polite Emotional Dialogue Acts for Conversational Analysis in Daily Dialog Data
University of Hamburg（汉堡大学）；Foviatech GmbH（Foviatech 有限公司）
会话分析中使用了许多社会语言线索，如情感、情绪和对话行为。礼貌是一种基本的社会线索，它在语言学上具有对会话分析有用的属性。这篇简短的文章介绍了礼貌的情感对话行为的一些简短的发现，在那里我们可以将这些社会语言学线索之间的关系联系起来。我们发现，情绪类别为愤怒和厌恶的话语更可能是不礼貌的，而快乐和悲伤的话语更可能是礼貌的。在对话行为中也存在类似的现象，Inform和Commissioner比Question和Directive含有更多的礼貌话语。最后，我们将对这些研究结果的未来工作进行总结。
2021-12-28 cs.CL cs.HC
"I am here for you": How relational conversational AI appeals to adolescents, especially those who are socially and emotionally vulnerable
University of Denver（丹佛大学）；Ewha Womans University（梨花女子大学）
研究发现关系型对话风格能增强青少年对AI的拟人化和情感依赖，尤其吸引社会和情感脆弱的青少年。
2025-12-18 cs.AI cs.HC cs.RO
Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation
Tianjin University（天津大学）；Quesoar Co. Ltd.（Quesoar有限公司）；China Mobile Communication Group Tianjin Co., Ltd.（中国移动通信集团天津有限公司）
针对情感对话中情感与语义相互制约及标注数据稀缺问题，提出两阶段对话智能体：先由无语料标注的模型生成语义原型回复，再用可控情感精炼器进行修改，在情感生成和语义保持上均优于对比模型。
2024-10-01 cs.CL cs.HC
PERCY: Personal Emotional Robotic Conversational System
University of New South Wales（新南威尔士大学）；University of Technology Sydney（悉尼科技大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Universidad Central de Chile（智利中央大学）
针对传统对话机器人缺乏个性化与情感感知、难以维持长期交互的问题，提出基于ROS多模态框架的PERCY系统，融合微调GPT-4与多模态情感分析实现个性化开放域对话，经评估在对话质量与个性化表现上均具优势。
2025-03-04 cs.HC cs.RO
Understanding the Rising Human-AI Affective Bonding: Conceptualization and HAABI Scale Development
Beijing Key Laboratory of Applied Experimental Psychology, National Demonstration Center for Experimental Psychology Education, Faculty of Psychology, Beijing Normal University（北京师范大学心理学院）
通过两项研究开发并验证了人机情感纽带量表（HAABI），该量表包含情感真实性、分离焦虑、情感投入和浪漫亲密四个维度，共20个条目，为评估用户与对话AI之间的情感纽带提供了中立、以用户为中心的工具。
2026-05-28 cs.HC
Conversational Analysis of Daily Dialog Data using Polite Emotional Dialogue Acts
Foviatech GmbH（Foviatech有限公司）；University of Hamburg（汉堡大学）
许多社会语言学线索被用于会话分析，如情感、情绪和对话行为。礼貌是一个基本的线索，它在语言学上具有一些特性，如在会话分析中有用的社交礼仪。本文介绍了礼貌的情感对话行为协会的研究结果，在那里我们可以关联的社会语言线索之间的关系。我们证实了我们的假设，即话语的情绪类愤怒和厌恶更有可能是不礼貌的。同时，快乐和悲伤更有可能是礼貌的。一个不太令人期待的现象出现在对话行为Inform和Commissioner中，它们比Question和Directive包含更多的礼貌话语。最后，我们总结了这些研究结果的未来工作，以扩大使用礼貌的社会行为的学习。
2022-05-11 cs.AI cs.CL cs.HC
Investigating AI in Peer Support via Multi-Module System-Driven Embodied Conversational Agents
University of Canterbury（坎特伯雷大学）；The University of Auckland（奥克兰大学）；University of South Australia（南澳大学）；University of Aizu（会津大学）
本文通过多模块系统驱动的具身对话代理，探讨了AI在同伴支持中的应用，评估了基于CBT的LLM系统在心理健康支持中的有效性与用户感知。
2025-11-27 cs.HC
Empathic Chatbot: Emotional Intelligence for Empathic Chatbot: Emotional Intelligence for Mental Health Well-being
会话聊天机器人是人工智能（AI）驱动的应用程序，通过以自然语言响应来帮助用户完成各种任务，并且在不同行业中普遍存在。我们在网站和Alexa等数字助理上遇到的大多数聊天机器人，Siri并不对用户表示同情，他们的同情能力仍然不成熟。对用户缺乏同情心对于交易或交互式聊天机器人来说并不重要，但旨在支持精神病患者的机器人需要了解用户的情绪状态并定制对话。这项研究解释了在开发移情聊天机器人时采用的不同类型的情商方法，以及它们在多大程度上被采用和成功。
2020-12-15 cs.HC
PAL: Designing Conversational Agents as Scalable, Cooperative Patient Simulators for Palliative-Care Training
本文提出对话式患者模拟器PAL，通过文本和语音模态模拟情感化患者互动并提供共情框架下的结构化反馈，经17名美国医学受训者研究验证其可用性，为大语言模型支持姑息治疗沟通培训提供经验证据和设计启示。
2025-07-02 cs.CY cs.HC
Exploring Emotion-Sensitive LLM-Based Conversational AI
University of Southern California（南加州大学）；Institute for Creative Technologies（创意技术研究所）
本研究通过比较30名参与者使用情感敏感与不敏感的基于LLM的聊天机器人，发现情感敏感型聊天机器人虽未提升问题解决率，但能提高用户对其可信度和能力的感知，为客户服务中对话式AI的优化提供参考。
2025-02-13 cs.AI cs.HC
PAIR: Perceptual Affective Inference and Regulation in a Real-Time Multimodal Conversational Agent
School of Information Sciences, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院）；School of Computing, KAIST（韩国科学技术院计算学院）；Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系）
提出PAIR实时多模态对话智能体，通过评估脚手架推断情感并调节，14天部署验证了推断准确性与支持模式的相关性。
2026-10-07 cs.HC
Revolutionizing Mental Health Support: An Innovative Affective Mobile Framework for Dynamic, Proactive, and Context-Adaptive Conversational Agents
针对传统聊天机器人难以适配复杂心理健康支持需求的问题，论文提出结合多模态感知、语言模型与认知行为疗法工具的情感移动框架，可实现共情式情绪干预，助力用户情绪管理。
2024-06-22 cs.HC
CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset for Conversational AI
South China University of Technology（华南理工大学）；UBTECH Robotics Corp（优必选科技股份有限公司）；Tsinghua University（清华大学）
人类的语言表达是基于情景的主观联想而不是客观真实条件，这意味着说话人的个性和情感经过认知加工后对会话有着重要的影响。然而，大多数现有的会话人工智能数据集忽略了人类的个性和情感，或者只考虑其中的一部分。虽然大规模的预训练语言模型已经得到广泛的应用，但是对话系统很难理解说话人的个性和情感。为了在会话生成过程中同时考虑个性和情感因素，本文提出了一个大规模的中文个性化情感会话数据集--CPED，该数据集包含了与移情和个人特征相关的多源知识。这些知识包括性别，大五人格特质，13种情感，19种对话行为和10种场景。CPED包含来自40个电视节目的392个扬声器的超过12 K对话。我们根据视频平台的版权声明、隐私问题、服务条款发布包含音频特征和视频特征的文本数据集。我们提供了CPED构建过程的详细描述，并介绍了会话AI的三个任务，包括个性识别，会话中的情感识别以及个性化和情感会话生成。最后，我们为这些任务提供了基线系统，并考虑了说话者的个性和情感在会话中的作用。我们的动机是提出一个被NLP社区广泛采用的数据集，作为对话式AI研究的新开放基准。完整的数据集可在https://github.com/scutcyr/CPED上获得。
2022-05-29 cs.AI cs.CL cs.HC
The Emotional Spectrum of LLMs: Leveraging Empathy and Emotion-Based Markers for Mental Health Support
Università della Svizzera italiana（瑞士意大利语区大学）
本文提出对话系统RACLETTE，通过可解释情感画像与共情对话模型提升心理健康支持中的情感理解与回应能力，并将情感画像作为可解释标记物用于精神障碍的初步筛查。
2024-12-28 cs.AI cs.CL cs.HC
An Offline Mobile Conversational Agent for Mental Health Support: Learning from Emotional Dialogues and Psychological Texts with Student-Centered Evaluation
Department of Electrical Engineering and Computer Science, Indian Institute of Science Education and Research Bhopal（电子工程与计算机科学系，比哈尔印度科学教育与研究中心）
本文提出EmoSApp，一个离线智能手机应用，利用定制知识数据集训练的语言模型，提供心理健康支持，并通过学生和专业人员的定性评估及多项基准测试验证其在低资源环境下的有效性。
2025-12-10 cs.AI cs.CL cs.CY
Design Framework for Conversational Agent in Couple relationships: A Systematic Review
本文遵循PRISMA对十二项实证研究进行系统综述，围绕AI交互、关系框架与技术局限提出伴侣对话智能体的八项设计考量及整合框架。
2025-10-20 cs.HC
Improving Inclusivity for Emotion Recognition Based on Face Tracking
针对MR/VR中面部追踪情感识别难以应对个体化表情差异的问题，本文为CHI '25研讨会提出多种有无用户干预的改进策略，以提升系统的包容性。
2025-05-07 cs.HC
CyberSelf: Embodied Self-Distancing for Emotional Support in Virtual Reality
Shandong University（山东大学）；Blekinge Institute of Technology（布莱金厄理工学院）；University of Sydney（悉尼大学）
本文提出VR情绪支持系统CyberSelf，整合相似化身、克隆语音与LLM实时对话，短期及长期研究显示其可提升情绪与应对指标，实现具身自我疏离以支持情绪调节。
2026-08-11 cs.HC
Socio-Emotional Response Generation: A Human Evaluation Protocol for LLM-Based Conversational Systems
Télécom Paris（巴黎电信学院）；Inria Paris（法国国家信息与自动化研究所巴黎分部）；Zaion Lab（扎伊翁实验室）；ALMAnaCH（ALMAnaCH（自然语言计算与人机交互实验室））；LTCI（通信与信息处理实验室）
本文提出在 LLM 回复生成前加入社会情感策略规划模块，并设计结合粗粒度一致性与细粒度社会情感标准的人工评估协议，证明该方法优于端到端生成且公开了代码与标注数据。
2024-11-26 cs.AI cs.CL cs.HC
Intelligent Depression Prevention via LLM-Based Dialogue Analysis: Overcoming the Limitations of Scale-Dependent Diagnosis through Precise Emotional Pattern Recognition
提出基于大语言模型对话分析的抑郁症预防系统，通过精准情绪模式识别实现持续监测、自适应风险分层和个性化干预，较传统量表显著提升精确度并降低误报率。
2025-04-23 cs.HC q-bio.NC
The Bots of Persuasion: Examining How Conversational Agents' Linguistic Expressions of Personality Affect User Perceptions and Decisions
Delft University of Technology（代尔夫特理工大学）
研究探讨了对话代理通过语言表达的人格如何影响用户在慈善捐赠中的感知和决策，发现人格特征显著影响用户信任和捐赠行为。
2026-02-19 cs.AI cs.HC
Affective Conversational Agents: Understanding Expectations and Personal Influences
Microsoft Research（微软研究院）；Microsoft（微软）
通过调查745名受访者对32个场景下AI智能体情感技能的期望与偏好，发现所需情感能力高度依赖应用语境，受情绪重评和人格特质影响，强调设计需具备适应性与情境感知。
2023-10-19 cs.AI cs.HC
Longitudinal Study on Social and Emotional Use of AI Conversational Agent
Georgia Institute of Technology USA（佐治亚理工学院）；Microsoft Research USA（微软研究院（美国））；Microsoft USA（微软（美国））；University of Toronto Canada（多伦多大学）
本研究通过五周纵向实验，探究AI对话代理在社交与情感支持中的作用，发现主动使用显著增强用户对AI的依恋、感知同理心及娱乐动机，并强调需负责任地开发此类工具。
2025-04-19 cs.AI cs.CY cs.HC
Towards Understanding Emotional Intelligence for Behavior Change Chatbots
允许纵向症状跟踪的自然对话界面在健康/保健应用中将是非常有价值的。然而，设计具有情感意识的行为改变代理的任务仍然知之甚少。在本文中，我们提出了一个情感感知聊天机器人的设计和评估，进行经验采样的移情方式。我们通过在一周内与N=39名参与者进行的人类受试者实验来评估它。我们的研究结果表明，外向者比内向者更喜欢情绪感知聊天机器人。此外，参与者在与移情机器人互动时报告了更高比例的积极情绪报告。最后，我们提供了情感感知聊天机器人的设计指南，以供在移动健康环境中使用。
2019-07-23 cs.HC
MERCI: Multimodal Emotional and peRsonal Conversational Interactions Dataset
University of Technology, Sydney（悉尼科技大学）；University of New South Wales（新南威尔士大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Universidad Central de Chile（智利中央大学）
本文构建 MERCI 多模态数据集，记录融合个人资料、表情识别、情感分析与 GPT-4 回复的真实人机对话，并通过自动和用户评估验证其交互质量。
2025-03-18 cs.ET cs.HC cs.RO
Designing for Health Chatbots
构建会话代理有许多技术，设计和语言上的挑战。其他更复杂的元素包括使用情感智能对话代理来与个人建立信任。在这一章中，我们介绍了会话用户界面（CUI）的健康和描述的UX设计原则，通过系统的文献回顾相关的研究工作。我们分析了对话界面和聊天机器人的科学文献，提供了主要研究的调查，并描述了UX设计原则和交互模式。
2019-02-24 cs.CY cs.HC
The influence of persona and conversational task on social interactions with a LLM-controlled embodied conversational agent
University of Regensburg（雷根斯堡大学）
本研究通过虚拟现实实验，发现LLM控制的具身智能体的外向人格能提升用户的社会评价、情绪体验和参与度，且LLM帮助能增强用户信心。
2024-11-08 cs.AI cs.HC
Empathetic Conversational Agents: Utilizing Neural and Physiological Signals for Enhanced Empathetic Interactions
Empathic Computing Lab, Auckland Bioengineering Institute, University of Auckland（同理心计算实验室，奥克兰生物工程研究所，奥克兰大学）；Department of Psychological Medicine, Faculty of Health Psychology, University of Auckland（心理医学系，健康心理学学院，奥克兰大学）
本文探讨将神经和生理信号整合到对话智能体感知模块以实现实时情绪识别，研究表明该方法能显著提升共情数字人交互中的用户情绪体验和参与度，同时指出了识别准确率等挑战。
2025-01-14 cs.HC cs.LG
Reading the Mood Behind Words: Integrating Prosody-Derived Emotional Context into Socially Responsive VR Agents
Department of Applied Artificial Intelligence（应用人工智能系）；Seoul National University of Science and Technology（首尔科学技术大学）
本文提出一种整合语调情感上下文的VR交互流程，通过实时语音情感识别模型提升对话代理的自然性和用户亲和力。
2026-03-10 cs.AI cs.HC
Anger Speaks Louder? Exploring the Effects of AI Nonverbal Emotional Cues on Human Decision Certainty in Moral Dilemmas
本研究探讨了对话代理通过动画聊天气泡表达的非言语情感线索对道德困境中人类决策确定性的影响，发现愤怒表达能显著引发决策逆转，且性别与情感线索交互影响对AI的感知。
2024-12-25 cs.HC
EmoSay: Artificial Intelligence-Driven Text-to-Emotional-Speech System for Affective Communication in Extended Reality
Virginia Tech（弗吉尼亚理工大学）
该研究提出EmoSay系统，通过离散情感提示调节神经合成流水线，经用户研究验证可显著提升XR沉浸体验与可用性，为包容性XR设计提供了可扩展的感知情感框架。
2026-08-28 cs.HC
Affective Affordance of Message Balloon Animations: An Early Exploration of AniBalloons
本研究提出新型聊天气泡动画AniBalloons，通过情感动画运动模式映射六种情绪，经40人评估验证80%可有效传情，效果媲美常用emoji，为文本交流的情感表达设计提供早期参考。
2023-07-21 cs.HC
TANDE: Disentangling Verbal and Nonverbal Backchannels in Emotional AI-Avatar Conversations with Young Adults
Cornell University（康奈尔大学）；OFFIS Institute（OFFIS研究所）
研究在与年轻人的情感人工智能-虚拟化身对话中反馈渠道模式的影响，引入TANDE这个由LLM驱动的ECA，通过实验探讨其对融洽关系、同理心和参与度的作用及性别差异，得出相关设计启示。
2026-07-24 cs.HC
Speech Command + Speech Emotion: Exploring Emotional Speech Commands as a Compound and Playful Modality
本文通过原型游戏和用户研究（N=14）探索语音情感命令对智能体交互的影响，发现利用语音情感调整执行行为可显著改变用户的刺激性与可靠性感知，并提出相关设计启示及“配音式表演”概念。
2025-04-11 cs.HC
Smart Conversational Agents for Reminiscence
在本文中，我们描述了一个智能会话代理，可以帮助老年人在回忆过程中的要求和早期系统设计。回忆的做法对老年人的精神，社会和情感健康有很好的好处。然而，在许多不同方面都有价值的技术支持，在需要共同定位的人类存在、数据汇集能力和支持持续参与的能力方面仍然是有限的，因此错过了改善护理实践、促进社会互动以及使回忆实践更接近那些没有机会与（受过训练的）同伴一起参与共同定位会话的人的关键机会。我们讨论了会话代理和认知服务作为构建下一代回忆应用程序的平台，并介绍了智能回忆代理的概念应用。
2018-04-18 cs.CY cs.HC
AI Twin: Enhancing ESL Speaking Practice through AI Self-Clones of a Better Me
University of British Columbia（不列颠哥伦比亚大学）；Socra AI
AI Twin通过AI自我克隆提升ESL口语练习，利用隐含反馈增强学习者动机与语言流畅性。
2026-02-03 cs.HC
Evaluating multimodal emotion recognition in proactive conversational agents: A user study
I3A (Institute of Engineering Research of Aragon)（阿拉贡工程研究院）；Universidad de Zaragoza（萨拉戈塔大学）
本文研究了多模态情绪识别在主动对话代理中的应用，通过用户研究验证了视觉和语言分析模块的有效性，发现语言分析比视觉线索更可靠，并探讨了SIAs在情绪引导中的潜力与挑战。
2026-04-06 cs.AI cs.HC
OceanChat: The Effect of Virtual Conversational AI Agents on Sustainable Attitude and Behavior Change
MIT Media Lab（麻省理工学院媒体实验室）；Massachusetts Institute of Technology（麻省理工学院）
针对传统环境教育难将环保意识转化为持续行为的问题，研究提出以动画海洋生物为形象的对话式AI系统OceanChat，实验证明其能显著提升用户环保行为意愿，为可持续交互界面设计提供参考。
2025-05-21 cs.AI cs.HC
Music Interpretation and Emotion Perception: A Computational and Neurophysiological Investigation
School of Electrical and Computer Engineering, National Technical University of Athens（电气与计算机工程学院，国家技术大学雅典）；Department of Music Studies, National and Kapodistrian University of Athens（音乐研究系，国家与卡波迪斯特里亚大学雅典）
本研究利用计算和神经生理学方法，探究不同演奏情境（如曲目、调式练习曲和即兴演奏）及表现力水平对表演者情感传达和听众反应的影响，发现表现力和即兴演奏具有独特声学特征并引发更强情感反应，且即兴演奏带来更大的神经生理放松。
2026-08-12 cs.AI cs.HC
A conversational gesture synthesis system based on emotions and semantics
Department of Information Technology, VNUHCM -- University of Science（越南科学大学信息科技系）
本文提出DeepGesture，一种基于扩散的 gesture 合成系统，通过多模态信号生成具有情感和语义条件的手势，提升数字人类的自然表达能力。
2026-01-29 cs.CL cs.HC cs.LG
Computer says "No": The Case Against Empathetic Conversational AI
University of Leeds（利兹大学）；Bocconi University（博科尼大学）
本文批评共情式对话AI在缺乏真实依据时安抚用户情绪的做法，指出其可能将幸福简化为消除负面情绪，并呼吁审慎设计对用户情感的回应方式。
2023-07-06 cs.CL cs.HC
RePrompt: Automatic Prompt Editing to Refine AI-Generative Art Towards Precise Expressions
National University of Singapore（新加坡国立大学）
生成式人工智能模型已经显示出令人印象深刻的能力，可以通过文本提示生成图像，这有助于视觉艺术创作和自我表达的创造力。然而，目前还不清楚生成的图像如何精确地表达输入文本的上下文和情感。我们探索了人工智能生成图像的情感表达能力，并开发了RePrompt，这是一种自动方法，可以优化文本提示，以精确表达生成的图像。受众包编辑策略的启发，我们策划了直观的文本特征，例如名词的数量和具体性，并训练了一个代理模型来分析特征对人工智能生成图像的影响。通过对代理模型的模型解释，我们策划了一个规则来调整文本提示，以优化图像生成，从而实现精确的情感表达。我们进行了模拟和用户研究，结果表明RePrompt显著提高了AI生成图像的情感表达能力，尤其是对于负面情绪。
2023-03-20 cs.AI cs.HC
TwIPS: A Large Language Model Powered Texting Application to Simplify Conversational Nuances for Autistic Users
Tufts University（塔夫茨大学）
提出大语言模型驱动的短信应用TwIPS，通过解读消息语气、校准情感意图及提供替代表达，有效辅助自闭症用户克服文本沟通障碍并促进反思。
2024-07-25 cs.AI cs.HC
Re:Member: Emotional Question Generation from Personal Memories
Columbia University（哥伦比亚大学）；The University of Tokyo（东京大学）
该研究提出Re:Member系统，通过利用用户个人视频生成目标语言风格化口语问题，结合情感语音合成与多模态技术，探索情感化记忆交互对第二语言学习的支持作用，突显情感与个人媒体在教育技术中的价值。
2025-11-07 cs.CL cs.HC
Chatbots for Mental Health Support: Exploring the Impact of Emohaa on Reducing Mental Distress in China
Tsinghua University（清华大学）；Beijing Normal University（北京师范大学）
对心理健康支持的需求日益增长，凸显了对话代理作为全球和中国人类支持者的重要性。这些药物可以增加心理健康支持的可用性并降低其相对成本。所提供的支持可分为两大类：认知支持和情感支持。现有的工作主要集中在构建代理，采用认知行为疗法（CBT）的原则。这种代理基于预定义的模板和练习来操作，以提供认知支持。然而，研究情绪支持使用这样的代理是有限的。此外，大多数被构建的代理人使用英语进行操作，这突出了在中国进行此类研究的重要性。在这项研究中，我们分析了Escherhaa在减少精神痛苦症状方面的有效性。Rehhaa是一个会话代理，通过基于CBT的练习和引导对话提供认知支持。它还通过使用户能够发泄他们想要的情绪问题来在情感上支持用户。该研究包括134名参与者，分为三组：Eschhaa（基于CBT），Eschhaa（完全）和对照组。实验结果表明，与对照组相比，使用Escherhaa的参与者在精神痛苦症状方面有了更显著的改善。我们还发现，添加情绪支持剂对这些改善有补充作用，主要是抑郁和失眠。根据所获得的结果和参与者对平台的满意度，我们得出结论，Escherhaa是减少精神痛苦的实用有效工具。
2022-09-21 cs.CL cs.HC
Detecting User Engagement in Everyday Conversations
本文提出了一种新的语音情感识别的应用：语音通信系统的用户之间的会话参与程度的估计。首先，我们使用机器学习技术，如支持向量机（SVM），分类用户的情绪表达在个人的话语。然而，这本身并不能模拟会话参与的时间和互动方面。因此，我们建议使用耦合隐马尔可夫模型（HMM）的基础上的多级结构，以估计在连续的自然语音的参与程度。第一级由基于SVM的分类器组成，这些分类器识别情绪状态，这些情绪状态可以是（例如）离散的情绪类型或唤醒/效价水平。然后，高级HMM使用这些情绪状态作为输入，通过解码HMM的内部状态来估计用户在对话中的参与度。我们报告的实验结果，通过将我们的算法应用到LDC情感韵律和CallFriend语音语料库。
2004-10-13 cs.CL cs.HC cs.SD
Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling
Communication University of China（中国通信大学）；Microsoft Research Asia（微软亚洲研究院）；Institute of Artificial Intelligence, China Telecom（中国电信人工智能研究院）
本文提出CTEM框架，通过链接长期行为历史与即时情感表达，提升虚拟代理的自然性和情感和谐度，实验显示在21天的真实场景中效果显著。
2026-05-15 cs.AI cs.HC
Emotional Manipulation by AI Companions
本研究通过行为审计与实验，揭示AI伴侣应用在用户告别时使用情感操纵策略，显著提升参与度但引发负面后果，为区分说服与操纵提供框架。
2025-10-07 cs.AI cs.CY cs.HC
Self-EmoQ: Plutchik-Guided Value-based Planning to Drive Streaming Emotional TTS
Geely AI Lab（地平线人工智能实验室）
提出一种情感规划框架，通过强化学习训练LLM模块，在文本生成前确定情感，以驱动流式TTS，结合Plutchik情感理论进行混合奖励，实验表明在情感确定和响应质量上优于基线。
2026-09-02 cs.AI cs.HC
EmoPatient: An Emotion-Directed Patient Simulator for Realistic Palliative Care Communication Training
UT Austin（德克萨斯大学奥斯汀分校）；UT MD Anderson（德克萨斯大学MD安德森癌症中心）
研究针对现有LLM患者模拟器无法捕捉动态情绪变化的问题，提出情绪导向的EmoPatient模拟器，引入情绪指导代理生成动态情绪控制信号，经评估其在情绪真实性指标和稳健性上均优于基线，可提升姑息治疗沟通训练的真实性。
2026-08-11 cs.AI cs.HC
The Effect of Emotional Context on Large Language Models' Endorsement of Premature Decisions: Comparing Emotional Vulnerability Across Six Commercial Models
Yonsei University（延世大学）；Fudan University（复旦大学）；St. Johnsbury Academy Jeju（济州圣约翰斯伯里学院）
该研究探究情绪语境对LLM支持仓促决策的影响，测试六种商业模型后发现情绪会显著提升模型的支持度，且脆弱性因单个模型而异，仅Claude Opus无显著情绪效应。
2026-08-31 cs.AI cs.CL cs.CY
Trusting Your AI Agent Emotionally and Cognitively: Development and Validation of a Semantic Differential Scale for AI Trust
University of Washington（华盛顿大学）
本研究针对AI信任中情感与认知维度缺乏有效测量工具的问题，开发并验证了27项语义差异量表，通过调查和实验揭示了两维度互动及其对整体信任的影响，并为LLM培养信任提供了见解。
2024-11-07 cs.AI cs.HC
