要旨: 大規模言語モデル（LLMs）は高い認知知能（IQ）を示しますが、現実世界の多くの相互作用では、事実的に信頼できるだけでなく情緒的に適切な応答を生み出すために感情知能（EQ）も必要とされます。
感情的サポート、技術支援、コンサルテーションなどの場面において、効果的な対話は、ユーザーのニーズ、目標、対処能力に照らして状況がどのように評価されるかに依存します。
アプレイザル理論に触発され、対話における IQ/EQ 共推論のためのアプレイザルに基づく枠組みとして EmoLLM を提案します。
EmoLLM は、明示的な Appraisal Reasoning Graph（ARG）を用いて、文脈的事実、推定されたユーザーのニーズ、アプレイザル次元、情動状態、および応答戦略といった中間推論を、返信を生成する前に構造化します。
強化学習を用いたマルチターンのロールプレイ環境で EmoLLM を訓練します。ここで、逆視点推論は、応答の推定されるユーザー側の結果に基づいて報酬信号を提供します。
多様な対話設定において、EmoLLM は強力なベースラインを上回り、情動状態の結果と応答品質を向上させつつ、堅牢な事実信頼性を維持します。
返却形式: {"translated": "翻訳されたHTML"}
