香港中文大学与微软提出 EchoChat：级联门控与信用分配缓解共情推理错误传播

针对多阶段推理中局部误判影响后续判断的问题，香港中文大学与微软研究团队提出了共情语音对话模型 EchoChat。该工作发表于 NeurIPS 2026，旨在解决感知、心理状态推断与回应生成之间的紧密关联导致的错误传播。

EchoChat 将感知、心智理论推理与语音回复生成纳入统一优化框架。通过级联门控奖励约束阶段依赖，并利用步骤级信用分配提供针对性更新信号，模型在强化学习阶段能有效识别各阶段表现偏差，避免基于错误前提展开后续合理但无效的推理。

为缓解长链推理中模型过度依赖自身生成文本而忽略原始输入信息的风险，团队在监督微调阶段引入 Acoustic-Anchored Attention（AAA）。该技术通过注意力约束增强感知阶段对声学表征的关注，确保情绪判断建立在声音证据之上，防止语调、节奏等关键情绪线索被忽略。

研究构建了 EchoDialogue-400K 数据集以支持多阶段学习，并提出了分层评测方法 EchoEval。EchoEval 结合真人录制语音与心理学专家标注，从感知准确性、心理状态推断合理性到回应质量进行系统考察，克服了仅凭最终回复评价难以定位偏差的局限。

实验结果显示，EchoChat 在感知、推理和回应对齐方面取得领先表现。消融分析证实，级联门控与步骤级信用分配显著改善了阶段间衔接，有效缓解了中间误判对后续心理状态推断和回应策略的负面影响。