当寻求者难以提供帮助时：评估最坏情况互动中的情感支持对话系统

情感支持对话系统 (ESDS) 越来越多地使用 LLM 模拟导引头进行评估和训练。然而，这些模拟的寻求者通常表现得像合作的、一般情况的用户，他们清楚地披露、建设性地回应，并在几个回合内接受支持。这可能会导致过度乐观的评估，并模糊 ESDS 是否可以处理困难的寻求帮助的互动。在这项工作中，我们研究了最坏情况互动下的 ESDS 评估，在这种情况下，寻求者由于参与度低、抵制、自我披露有限、情绪波动或严格的负面解释而很难提供帮助。我们首先与八位经验丰富的咨询专业人员进行专家模拟研究，他们模拟困难寻求者，与现有的中国 ESDS 互动，提供量表评级，并参与半结构化访谈。基于这项研究，我们得出了最坏情况下的导引头行为并确定了当前系统的主要局限性。然后，我们提出了一个最坏情况评估框架，由基于 LLM 的最坏情况搜索者模拟器和四个面向最坏情况的指标组成：深度情感理解、引导探索、平衡情感支持以及真实和有依据的支持。通过评估 17 个系统，我们发现几乎所有模型在最坏情况交互下都会出现性能大幅下降。大型通用 LLM 通常比专用 ESDS 更强大，但即使是最强大的模型也难以维持参与度并改善探索者的情绪状态。最后，我们表明最坏情况模拟也可以生成有用的训练数据，从而提高较小模型的鲁棒性。