突破單一策略限制：在情緒支持對話中實現單次發言的多重策略生成模型

本研究重新定義情緒支持對話任務，提出能於單次發言中結合多種策略的生成模型。透過強化學習引導認知推理，顯著提升了對話的同理心表現與支持品質。

Problem

現有的情緒支持對話（ESC）模型大多假設每次發言僅包含單一支持策略，這與現實生活中人們傾向在一段話中混合使用多種策略（如先表達同理再給予具體建議）的溝通模式不符，限制了 AI 回應的自然度與支持力。

研究團隊將任務重新定義為多策略發言生成，提出「All-in-One」（單次解碼所有策略對）與「One-by-One」（迭代生成策略對）兩種方法。此外，模型更導入了由強化學習引導的認知推理機制，以精準優化策略選擇並強化回應內容的連貫性與組成品質。

在 ESConv 資料集的測試中，該模型在發言層級與對話層級的指標均表現優異。實驗結果證明，多策略生成模式能顯著提升情緒支持的品質，讓對話過程更趨向於成功的諮商互動，且生成的回應更具層次感。

這是首項系統性證明在單次發言中整合多重支持策略為可行且有益的研究。此成果為開發高感性、具專業支持能力的 AI 助手提供了新的技術架構，有效縮短了機器生成內容與真人專業諮商者之間的差距。