多轮共情对话中的话语多样性

大语言模型 (LLM) 在单轮设置中产生被评为高度共情的响应（Ayers et al., 2023; Lee et al., 2024），但它们也被认为是跨任务重用相同词汇模式、句法模板和话语结构的公式生成器（Jiang et al., 2025; Shaib et al., 2024; Namuduri 等人，2025）。人们很少关注这种公式化是否延伸到话语动作的层面，即回应对所针对的人有何作用。这个问题对于移情对话尤其重要，在这种对话中，有效的支持不仅需要在某一时刻做出善意的回应，还需要随着对话的展开而采取不同的策略（Stiles 等，1998）。事实上，之前的研究表明，LLM 在单回合设置中比人类支持者更多地重用相同的战术序列（Gueorguieva 等人，2026）。我们将此分析扩展到多回合对话，发现刚性复合：一旦策略出现在支持者回合中，LLM 就会在下一个回合中重用它，其速度几乎是人类的两倍（0.50-0.56 vs. 0.27）。这种模式适用于在真实情感支持对话中充当支持者的 LLM，并且对于标准相似性度量是不可见的。为了解决这一差距，我们引入了 MINT（多轮策略间新颖性训练），这是第一个强化学习框架，用于优化多轮移情对话中的话语移动多样性。最好的 MINT 变体将同理心质量奖励与跨回合策略新颖性信号相结合，在 1.7B 和 4B 模型中将总同理心提高了 25.3%，同时在 4B 模型上将跨回合话语移动重复减少了 26.3%，在两项指标上都超过了所有基线，包括仅质量方法和 词元级 多样性方法。这些结果表明，当前模型缺乏的不是同理心本身，而是在对话中改变话语的能力。