告别模板式安慰!中科大+华为+新加坡国立提出PERM,让AI真正读懂你的情绪

导语：和AI吐槽心事，总收到“我理解你”万能套话？如今一套基于心理学共情循环理论的全新奖励建模框架PERM，彻底解决大模型“假共情”痛点，实测用户7成更偏爱它的回复，情商指标提升超10%。

一、痛点：为什么现在的AI安慰永远不走心？

当你和AI说：“宝宝终于睡着了，家里安安静静，难得歇一会”，大概率会收到两种敷衍回复：

1. 1. 只站AI自身视角（模型单视角优化）
   “太幸福啦，好好享受独处时光！”
   话术温暖但空洞，完全没读懂宝妈背后藏着的疲惫，像客服标准话术，用户看完只会觉得敷衍。
2. 2. 只站用户需求视角（用户反馈单视角优化）
   “你辛苦了，需要我给你带娃小建议吗？”
   一味急着给解决方案，忽略你当下只想被理解、被安抚的情绪需求，冷冰冰没有温度。

现有提升大模型共情的方案分两类，全都存在硬伤：

1. 1. 监督微调SFT：靠人工优质对话训练，但极易死记模板，面对陌生情绪场景泛化能力极差；
2. 2. 传统强化学习奖励模型：评价共情只单看模型输出、或只模拟用户反馈，割裂了共情是双向互动这个核心事实。

心理学里经典的**共情循环理论（Empathy Cycle）**早已点明：共情不是AI单方面输出暖心话，而是完整闭环——AI共情理解→AI表达安抚→用户感受到被理解，三步缺一不可。过去所有AI对齐方案，都只盯着其中一环打分，自然只能产出“表面共情”。

针对这一行业瓶颈，中科大、新加坡国立、华为联合团队推出PERM（心理学驱动共情奖励建模），把心理学理论直接嵌入大模型强化学习奖励函数，用三方视角全方位评判AI共情能力，从底层根治AI假温柔、模板化回复问题。

二、PERM核心逻辑：三方评委，完整复刻人类共情闭环

PERM打破单一打分维度，搭建支持者（AI）、寻求者（用户）、旁观者三重评价体系，把共情拆解成可量化的奖励分数，再通过调和平均融合总分，驱动模型学会真正共情。

1. 支持者视角（AI自身，两大核心得分项）

对应共情循环里AI“读懂情绪+好好表达”两步：

• • 共鸣分Resonation：考核AI能不能看透表层情绪，挖掘用户隐藏心理。
  打分标准：能否识别显性情绪、情绪成因、未说出口的深层需求（比如宝妈平静下的身心疲惫）。低分只会复述字面意思，高分能捕捉复合、矛盾情绪。
• • 表达分Expression：考核话术质感，拒绝机械套话。
  低分：“我懂你的感受”这类万能模板；高分：语气贴合用户状态、自然像真人好友，有细腻情绪表达，不生硬说教。

2. 寻求者视角（模拟用户感受：接收分Reception）

站在用户角度打分：看完AI回复后，会不会觉得被治愈、愿意继续倾诉？

• • 低分：回复空洞、强行说教，看完不想继续聊；
• • 高分：精准击中内心隐秘需求，看完心里温暖，愿意倾诉更多心事。

3. 旁观者视角（全局质量惩罚项）

专门解决一个致命缺陷：模型为了刷共情分，疯狂堆砌温柔话术，变得啰嗦、无逻辑、全是空话。
旁观者独立评判对话流畅度、简洁度、逻辑连贯性，不掺杂情绪加分，生成负向惩罚分数，平衡“共情”和“对话质量”，避免AI为了讨好用户丧失理性表达能力。

简单看懂PERM打分公式

1. 1. 先算出共鸣、表达、接收三项分数的调和平均值作为核心共情奖励（只要任意一项低分，整体共情分直接暴跌，倒逼模型三项能力同步提升）；
2. 2. 叠加旁观者惩罚系数，平衡共情和对话通顺度；
3. 3. 使用GRPO强化学习算法微调大模型，全程以这套综合奖励为优化目标。

三、实测碾压全基线，三大实验证明效果拉满

团队选用Qwen2.5、Llama3.1、Qwen3多款主流开源基座，在专业情商基准EQ-Bench3、工业真实日常对话数据集、真人盲测三层验证PERM效果，数据全面领先传统方案。

1. 专业情商基准EQ-Bench3：整体情商提升10.8%

对比SFT、传统RL奖励模型、RLVER、Partner等主流基线，PERM在深层洞察、情绪推理、温暖度、真实人类感、社交应变7项细分维度全部第一：

• • 温暖度（WRM）相对提升22.1%，真人感提升19.6%；
• • 单纯微调、单视角强化学习只能小幅提升表层话术，PERM直接拉高模型深层情绪理解能力，真正实现“懂情绪”而非“会说温柔话”。

消融实验更直观证明各模块价值：

• • 去掉共鸣打分：整体情商直接从66.6跌到62.3，看懂情绪是共情根基；
• • 去掉旁观者打分：话术变过度讨好，但逻辑、社交处理能力大幅下滑，证明第三方视角不可或缺。

2. 工业真实日常对话：全维度全面优化

基于企业415条真实情感对话样本测试，六大评价指标（共情、话题引导、价值引导、意图理解、流畅度、口语化）PERM全部优于基线模型，不仅共情更强，对话自然度、沟通逻辑同步提升，适配日常聊天、情感陪伴、心理疏导等落地场景。

3. 真人盲测：7成用户主动选择PERM模型

68名不同年龄、性别的志愿者盲测对比：

• • 在复杂高难度社交场景EQ-Bench3中，超72%用户更喜欢PERM回复；
• • 相比通用奖励模型RM，PERM在共情、整体情商两项偏好率均突破60%；
  用户反馈核心差异：传统AI只是“客套安慰”，PERM能精准捕捉藏在文字背后的委屈、疲惫与期待，回复更有共鸣。

案例直观对比（宝妈场景）

普通大模型：“太美好啦，好好享受独处时光！”（表层模板化共情）
PERM优化后模型：
“这段安静时光对你来说一定格外珍贵。宝宝睡着终于能喘口气，这份平静里又藏着带娃的疲惫，短暂放松真的很难得。你值得好好享受这一刻，做点让自己舒服的小事吧。”
用户反馈：完全说到心坎里，被看见、被体谅。

四、现有局限与未来落地方向

论文客观指出当前PERM两大短板，也是后续迭代重点：

1. 1. 仅支持单轮对话：现实情绪疏导是多轮递进沟通，当前框架无法记忆多轮上下文情绪变化，未来将拓展多轮强化学习方案；
2. 2. 缺少个性化用户记忆：仅简单存储年龄、职业等基础人设，无法长期记忆用户过往情绪、偏好，后续计划加入记忆模块、用户偏好建模，实现千人千面的个性化共情。

伦理层面团队特别强调：

1. 1. 该模型仅作情绪陪伴辅助工具，不能替代专业心理咨询师，上线必须标注能力边界；
2. 2. 训练数据全部为合成虚拟人设，无真实用户隐私，落地需配套严格数据匿名、隐私保护机制；
3. 3. 奖励建模可能放大数据集自带文化、性别偏见，部署前需持续偏见监测与校正。

五、行业价值：重新定义AI“情商对齐”标准

过去行业提升AI共情，思路停留在“教模型说暖心句子”，本质是表层文本模仿；而PERM第一次把成熟心理学理论融入奖励建模，构建双向、多维度共情评价体系，带来三点行业变革：

1. 1. 对齐逻辑升级：从单一输出打分→人机双向互动闭环评价，解决AI“假性共情”行业通病；
2. 2. 落地场景拓宽：智能陪伴、心理疏导客服、亲子对话、职场情绪疏导等需要深度情感支持的产品，可直接基于PERM微调，大幅提升用户留存；
3. 3. 通用适配性强：兼容Qwen、Llama等主流开源基座，小参数量模型也能获得显著情商提升，轻量化部署成本低，训练仅需少量GPU、极低API开销。

结语

当AI不再只会复制“我理解你”的万能安慰，而是能读懂你文字背后没说出口的疲惫、委屈与小确幸，人机交互才算真正走进情感时代。PERM证明：想要AI拥有真正共情，不能只靠话术堆砌，要从心理学底层重塑奖励优化逻辑。目前项目开源代码已上线，后续多轮对话、个性化记忆两大迭代方向，值得情感AI从业者持续关注。

https://arxiv.org/pdf/2601.10532