NeurIPS 26 | EchoChat 如何从声音到回应理解并表达共情

研究团队提出共情语音模型 EchoChat，将共情对话结构化拆解为情绪感知、心智理论推理与语音回复生成三阶段。该模型在 SFT 阶段引入 AAA 强化声学线索关联，并在强化学习中通过 SDCA 门控机制针对各环节精确分配训练反馈。依托配套的 EchoDialogue-400K 数据集与 EchoEval 评测基准，EchoChat 在感知、推理和回应对齐维度均取得领先表现。