透過跨時序情緒建模實現自然且具陪伴感的虛擬代理人
arXiv - Human-Computer InteractionFeier Qin, Xiao Li, Yi Zheng, Haibin Huang, Hanyao Wang, Xiaoyu Wang, Yan Lu, Yuan Zhang
提出 CTEM 框架，透過建立行為與情緒的閉環機制，提升虛擬代理人在長期互動中的自然度與情感一致性。
AI 幫你先抓重點
AI 重點 1
從「任務導向」轉向「關係導向」的 AI 設計範式
滑鼠懸停看 AI 判斷理由
傳統 AI 專注於完成指令，但若要實現真正的長期陪伴，必須模擬人類的情緒演化。這改變了我們對 AI 互動邏輯的理解：情緒不應只是對話的裝飾，而應是驅動行為的核心變量。
AI 重點 2
建立行為與情緒的雙向閉環機制
滑鼠懸停看 AI 判斷理由
這項洞察強調了「時間維度」的重要性。透過讓過去的經驗影響當下的情緒，進而影響未來的行為，AI 才能展現出具有連續性的「人格」，而非僅是單次的反應機器。
核心研究發現
- 1
現有的對話代理人因缺乏行為與情緒間的跨時序建模，導致互動顯得片段化且缺乏真實感。
- 2
CTEM 框架建立了行為歷史、即時情緒與使用者回饋之間的閉環，使代理人能進行反思與預期。
- 3
為 Auri 實作案例進行為期 21 天的野外研究，結果顯示 CTEM 在自然度、連貫性與情緒和諧度上皆有顯著提升。
對教育工作者的啟發
在設計教育輔助 AI（如 AI 導師或學習夥伴）時，不應僅關注知識傳遞的準確性，更應引入「情緒連貫性」設計。例如，當學生長期表現出挫折感時，AI 應能透過跨時序的情緒建模，展現出理解與共情的反應，而非僅僅重複教學步驟。這種具備情感記憶與連貫性的設計，能建立更強的師生（或生機）信任感，進而提升學生的學習動機與自主學習的持續性。
原始文獻資訊
- 英文標題：
- Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling
- 作者：
- Feier Qin, Xiao Li, Yi Zheng, Haibin Huang, Hanyao Wang, Xiaoyu Wang, Yan Lu, Yuan Zhang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。