SYNTHEMPATHY

SYNTHEMPATHY是一个由哥伦比亚大学研究者构建的大规模同理心对话语料库，包含105578条基于真实生活场景生成的同理心单次对话回应。该数据集的构建采用了不依赖众包的方法，通过大型语言模型（LLM）生成，旨在解决现有的大型同理心语料库缺乏，以及众包方法在构建大型数据集时的资源密集和不可扩展问题。

搜集汇总

数据集介绍

构建方式

SYNTHEMPATHY数据集的构建方式独具匠心，采用了一种新颖的自给自足的框架，无需依赖众包或网络爬取。该框架分为三个生成步骤：故事构思、解释重写和同情回应。首先，使用Llama 2 13B Chat模型根据英语压力标注数据集（SAD）中的情景生成故事。然后，使用大型语言模型（LLMs）将这些故事重写为第一人称解释，并针对不同的心理治疗方法（如认知行为疗法、辩证行为疗法等）进行系统消息的调整。最后，将去重后的解释输入LLM以生成同情回应。整个过程在每一步生成后都进行了去重，并使用关键词搜索移除任何具有冒犯性内容的例子。

使用方法

使用SYNTHEMPATHY数据集的方法主要包括：1）对语言模型进行微调，以提高其在同情对话中的能力；2）作为同情对话生成的基准数据集，用于评估和比较不同模型的同情能力；3）研究同情对话生成的理论和方法，以及同情在对话系统中的作用。此外，该数据集还可以用于研究同情对话生成的伦理问题，以及同情对话生成在心理健康支持领域的应用。

背景与挑战

背景概述

在人工智能领域，情感计算已成为一个重要的研究方向。SYNTHEMPATHY数据集的创建，旨在解决现有情感计算数据集规模小、构建成本高的问题。该数据集由哥伦比亚大学的研究团队于2025年提出，旨在通过大规模的语言模型生成包含105,578个同情回应的真实生活情境数据集。SYNTHEMPATHY数据集的核心研究问题是同情对话系统的构建，通过提高语言模型的同情能力，使其能够更好地理解人类情感，并在对话中表现出更多的同情心。该数据集对相关领域的影响主要体现在为情感计算研究提供了大规模、高质量的数据集，有助于推动同情对话系统的进一步发展。

当前挑战

SYNTHEMPATHY数据集在构建过程中面临的挑战主要包括：1)互联网上同情文本的稀缺性，以及难以准确识别同情文本的问题；2)现有同情文本数据集大多依赖众包，成本高、耗时长且难以扩展。为了解决这些挑战，研究团队提出了一个新颖的数据生成框架，利用大型语言模型（LLMs）生成同情回应，并通过心理治疗理论进行特殊提示。这种方法的优势在于其可扩展性，可以创建更大规模的数据集，同时避免了众包带来的成本和时间限制。

常用场景

经典使用场景

在人工智能对话系统的训练中，SYNTHEMPATHY数据集被广泛应用于提升模型对人类情感的理解与回应能力。通过大规模的同情对话数据，模型能够学习如何在对话中展现出同理心，这对于构建更加人性化、用户友好的对话系统至关重要。

解决学术问题

SYNTHEMPATHY数据集解决了大型同情对话语料库稀缺的问题。以往的研究依赖众包来模拟同情对话，这不仅耗费大量时间和资金，而且在扩展性和数据质量上存在限制。SYNTHEMPATHY通过使用大型语言模型生成同情对话，无需众包，实现了数据规模的大幅提升，同时保证了数据质量。

实际应用

SYNTHEMPATHY数据集的实际应用场景包括但不限于智能客服系统、心理辅导机器人、以及任何需要理解和回应人类情感的人工智能对话系统。通过训练，这些系统能够在用户遇到困难或情绪低落时，提供更加贴切和富有同情心的回应，从而提升用户体验，增进用户对系统的信任和满意度。

数据集最近研究

最新研究方向

SYNTHEMPATHY数据集的提出标志着自然语言处理领域在情感对话模型训练上的重要进展。该数据集通过大型语言模型（LLMs）生成，无需依赖众包，为构建大规模情感对话语料库提供了一种高效、可扩展的方法。SYNTHEMPATHY数据集包含105,578个情感对话对，每个对话对都基于真实的生活场景，为LLMs的情感能力训练提供了丰富的素材。此外，该数据集的构建框架具有通用性，可以应用于其他特定领域的语料库构建。未来，SYNTHEMPATHY数据集有望推动情感对话模型在实际应用中的发展，如心理健康支持、客服等领域，从而提高人机交互的自然性和有效性。

相关研究论文

• SYNTHEMPATHY: A Scalable Empathy Corpus Generated Using LLMs Without Any Crowdsourcing

  哥伦比亚大学 · 2025年