이 연구는 1대1 대화 중심이던 기존 감정 지원 시스템 연구를 넘어, 다자간 대화에서 관계 역학을 반영해 감정 지원을 제공하는 새로운 과제를 제시한다. 실제 부부·가족 인터뷰 대화를 바탕으로 191개 샘플, 7079개 주석 턴, 1064.8분 분량의 영상으로 RESCUE 벤치마크를 구축했다. 관계 이해와 관계 민감형 지원이라는 두 핵심 능력을 평가하는 6개 과제로 구성되며, 10개 LLM 실험 결과 국소적 감정 단서 활용 과제는 비교적 잘 수행했지만 관계 패턴 예측, 관점 예측, 지원 전략 예측 등 관계 집약적 과제에서는 어려움을 겪었다. 이는 현재 LLM이 대인관계를 모델링하고 관계에 민감한 지원 결정을 내리는 데 한계가 있음을 보여준다.
- •다자간 대화에서 관계 역학을 반영하는 감정 지원 과제를 최초로 제안
- •실제 부부·가족 인터뷰 191건으로 RESCUE 벤치마크 구축
- •10개 LLM이 국소적 감정 단서에는 강하지만 관계 패턴·관점 예측에는 약함
- •현재 LLM의 대인관계 모델링·관계 민감 지원 결정 능력의 한계를 입증
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
RESCUE-BENCH: Towards Relation-Aware Multi-Party Emotional Support Conversation Systems
- 1.다자간 정서적 지지 대화를 평가하는 RESCUE 벤치마크 공개, 실제 부부·가족 인터뷰 191건·7079턴 기반
- 2.관계 이해와 관계 민감형 지지 두 핵심 역량을 측정하는 6개 과제로 구성
- 3.LLM 10종 실험 결과 국소적 정서 단서 처리는 양호하나 관계 패턴 예측·지지전략 예측 등 관계 중심 과제에서는 저조
왜 중요한가?
1대1 대화 중심이던 정서 지지 AI 연구를 다자간 관계 역학으로 확장해, 가족·커플 상담 등 복잡한 대인관계 상황에서 현재 LLM의 한계를 구체적으로 드러낸다.
언급 프로젝트
본문 미리보기
arXiv:2609.09657v1 Announce Type: new Abstract: Existing emotional support conversation systems mainly focus on one-on-one seeker-supporter interactions and individual emotional states, leaving interpersonal relations in multi-party scenarios underexplored. In this work, we introduce relation-aware emotional support conversation, a new task that evaluates whether LLMs can capture and utilize the evolving dynamics of relationships to offer more effective emotional support. We construct RESCUE (R
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:40AI 초안

![[10월12일] AI가 암을 치료해도 원리를 알아야 할까…수학자 타오의 질문에 쏟아진 반론](https://cdn.aitimes.com/news/photo/202610/216150_220160_1157.jpg)

