NeurIPS 26｜EchoChat 如何从声音理解并表达共情？

EchoChat 将共情语音对话建模为感知、心智理论推理与语音回复生成三个环节，并用统一优化框架训练模型，让回应建立在对声音和情境的逐步理解上。监督微调阶段的 Acoustic-Anchored Attention（AAA）强化声学线索利用，强化学习阶段的 Step-Decomposed Credit Assignment（SDCA）为不同环节提供反馈并以门控机制约束奖励。