EmoStance：通过表情符号弱监督控制回复侧情感取向，以生成共情回应

共情反应的产生要求模型不仅要决定说什么，还要决定如何回应前一个说话者的情感情境。我们将其表述为响应方情感定向控制，并使用多注释器表情符号分布作为弱情感态度证据，而不是作为输出符号或黄金标签，以诱导在操作上接近听众立场的潜在控制空间。我们构建了 EmojiDialogue，这是 EmpatheticDialogues 的话语级扩展，具有表情符号投票和置信度分数，并提出了 EmoStance，它对源端情感表达进行建模，根据对话上下文和说话者角色预测软响应端方向，并通过连续前缀嵌入来引导冻结指令调整的 LLM。在 20 位注释者和 800 个判断的盲目成对评估中，EmoStance 取得了 62.2% 的决定性胜率，在上下文特异性和感知响应性方面获得了最明显的收益，同时保持了对外部知识方法的补充。代码、注释元数据和重建脚本可在我们的 GitHub 存储库中找到：https://github.com/18277390221/EmoStance。