ESCRAG-R1：面向情感支持对话的检索增强强化学习

情感支持对话（ESC）系统旨在通过平衡专业治疗能力与自然共情来提供整体性支持。然而，现有方法难以同时实现结构化的、阶段感知的推理与共情-专业知识的无缝对齐，往往导致临床策略与泛泛安慰的人为拼接。为克服这些局限，我们提出ESCRAG-R1，一个将基于检索的心理引导融入GRPO（组相对策略优化）的统一框架。通过将检索引入强化学习循环，ESCRAG-R1将外部知识转化为稳健的学习信号，激发生成前的显式内部推理，并从根本上重塑模型的内部策略。为提供这一优化所需的可靠监督，我们构建了ESC-Preference，一个基于来访者-咨询师-评判者评估框架的高质量数据集，可提供精确的、共情感知的奖励信号。大量实验表明，ESCRAG-R1通过缓解表面拼接、实现专业引导与共情表达的自然融合，显著优于现有基线。代码与数据集已发布于 https://github.com/Matcha-Liu/ESCRAG-R1。