EmoLLM：大型语言模型中基于评估的认知 - 情感协同推理

大型语言模型虽具备强认知智能，但现实交互亟需情感智能以生成事实可靠且情感适宜的回复。受评估理论启发，本文提出 EmoLLM，一种用于对话中智商/情商协同推理的框架。该模型利用显式的“评估推理图”结构化中间推理过程，涵盖上下文事实、用户需求推断、评估维度、情感状态及响应策略。通过在多轮角色扮演环境中结合强化学习进行训练，并利用反向视角推理提供奖励信号，EmoLLM 在多种对话场景下显著改善了情感结果与回复质量，同时保持了高度的事实可靠性。