KardiaBench
收藏资源简介：
KardiaBench是一个大规模的情感对话数据集，专为以推理为中心的情感支持设计，包含22,080个多轮情感对话、671个完整记录的人物角色、细粒度的情感状态以及四跨度的结构化推理格式。数据集经过完全匿名化和清理。
KardiaBench is a large-scale emotional conversation dataset designed specifically for reasoning-centered emotional support. It contains 22,080 multi-turn emotional conversations, 671 fully documented character roles, fine-grained emotional states, and a four-span structured reasoning format. The dataset has been fully anonymized and cleaned.
Kardia-R1 数据集概述
数据集基本信息
- 数据集名称: KardiaBench
- 发布机构/作者: 由 Kardia-R1 项目团队发布
- 发布日期: 2025年12月3日
- 论文链接: https://arxiv.org/abs/2512.01282
- 数据集访问地址: https://huggingface.co/datasets/Jhcircle/KadiaBench
数据集内容与规模
- 对话数量: 22,080 条共情多轮对话
- 人物角色数量: 671 个真实世界用户画像
- 数据特点: 包含细粒度情感状态，采用四跨度结构化推理格式，经过完全匿名化和清洗处理。
数据结构与字段
数据集包含以下核心字段：
| 字段名 | 描述 |
|---|---|
| person | 完整的原始用户画像字符串，包括 MBTI、关于、签名和近期活动。 |
| mbti | 从画像中提取的用户 MBTI 类型（例如，“INFP”、“ISTP”）。 |
| emotion | 目标情感状态，代表用户在场景中的当前感受（例如，“焦虑”、“恐惧”）。 |
| situation | 对话开始的背景上下文或情感场景。 |
| anon_username | 用于保护隐私的匿名化用户名。 |
| messages | 完整的结构化对话，作为消息对象列表，包括系统提示、用户轮次和助手回复。 |
数据集特色与框架
- 核心框架: Kardia-R1，一个以推理为中心的共情对话框架，统一了“用户理解 → 情感推理 → 安全、支持性回应”。
- 结构化认知: 采用四跨度结构化格式：
<|understanding_begin|>...<|understanding_end|>：利用角色和上下文解释用户意图和情感。<|reasoning_begin|>...<|reasoning_end|>：执行内部评估和共情推理。<|emotion_begin|>...<|emotion_end|>：识别正确的细粒度情感标签。<|response_begin|>...<|response_end|>：生成支持性的、与角色一致的共情回复。
- 训练方法: 采用“准则即裁判”的强化学习，具有可解释、基于标准、由大语言模型评判的特点。
数据集用途与性能
- 设计目的: 用于以推理为中心的情感支持研究。
- 验证性能: 基于该数据集训练的 Kardia-R1 框架在情感准确性和共情质量上优于 GPT-4o、DeepSeek-R1、PsyLLM 等先进模型，并在所有共情维度上取得一致提升。
- 模型兼容性: 可扩展至 Qwen (3B/7B) 和 Gemma (2B/7B) 等骨干模型。
数据获取与使用
-
访问方式: 需要在 HuggingFace 上提交访问请求，描述预期用途，经维护者批准后方可获取。
-
加载代码示例: python from datasets import load_dataset dataset = load_dataset("Jhcircle/KadiaBench")
-
认证提示: 若遇到访问被拒错误，需检查 HuggingFace 认证或等待请求批准。可使用
huggingface-cli login登录。
引用信息
若使用本数据集，请引用： bibtex @article{yuan2025kardia, title={Kardia-R1: Unleashing LLMs to Reason toward Understanding and Empathy for Emotional Support via Rubric-as-Judge Reinforcement Learning}, author={Yuan, Jiahao and Cui, Zhiqing and Wang, Hanqing and Gao, Yuansheng and Zhou, Yucheng and Naseem, Usman}, journal={arXiv preprint arXiv:2512.01282}, year={2025} }
