في عالم الذكاء الاصطناعي، تتطلع الأنظمة المخصصة للدعم العاطفي (Emotional Support Conversation Systems) إلى تقديم دعم شامل يوازن بين الكفاءة العلاجية الاحترافية والتعاطف الطبيعي. إلا أن الأساليب التقليدية غالباً ما تعاني من صعوبة تحقيق ذلك في نفس الوقت، مما يؤدي إلى مزج غير فعال بين الاستراتيجيات السريرية والطمأنينة العامة.

لذا، جاء ابتكار ESCRAG-R1 كحل موحد يعزز من فعالية هذه المحادثات. يعتمد ESCRAG-R1 على دمج الإرشاد النفسي القائم على الاسترجاع (retrieval-based psychological guidance) ضمن آلية تعلم معزز مع تحسين السياسات النسبية الجماعية (Group Relative Policy Optimization - GRPO).

إن الدمج بين الاسترجاع ودورة التعلم المعزز يحول المعرفة الخارجية إلى إشارة تعلم قوية، مما يحفز التفكير الداخلي الواضح قبل توليد المخرجات. هذا التحول جوهري في تغيير سياسة النموذج الداخلية.
لضمان الإشراف الموثوق المطلوب لهذا التحسين، تم بناء مجموعة بيانات ESC-Preference التي تعتمد على إطار تقييم يتضمن العميل والمعالج والمحكم، مما يوفر إشارات مكافآت دقيقة وواعية للتعاطف.

تظهر التجارب الواسعة أن ESCRAG-R1 يتفوق بشكل كبير على المعايير الحالية، حيث يقلل من المزج السطحي ويحقق تكاملاً طبيعياً بين الإرشاد المهني والتعبير العاطفي. لمعرفة المزيد، يمكنكم زيارة صفحة المشروع على GitHub [https://github.com/Matcha-Liu/ESCRAG-R1]

ما رأيكم في هذا التطور المذهل في مجال الدعم العاطفي؟ شاركونا آراءكم في التعليقات.