Problem

現有情感支持對話系統多侷限於一對一的互動模型，忽略了多方場景中複雜的人際關係動態。這使得 AI 在處理如家庭或伴侶等多人互動時，難以捕捉成員間不斷演變的關係細節，進而無法提供具備關係敏感度的適切支持。

Method

研究團隊開發了 RESCUE 基準測試，資料來源涵蓋真實伴侶與家庭的訪談對話，包含 191 個樣本、7,079 輪標註及超過 1,000 分鐘的影音資訊。該框架定義了六項任務，旨在評估大型語言模型（LLM）的兩大核心能力：關係理解（Relational Understanding）與關係敏感支持（Relation-Sensitive Support）。

Results

針對十種主流 LLM 的實驗顯示，目前模型雖能妥善處理局部的情緒或干預線索，但在處理「關係密集型」任務時遇到困難。模型在預測關係模式、成員觀點以及選擇合適的支持策略方面表現欠佳，反映出其在建模複雜人際互動上的侷限性。

Significance

此研究開拓了情感支持系統的新領域，將焦點從個體情緒狀態轉向複雜的人際動態。RESCUE-BENCH 為未來開發能處理多人社交場景、具備深度關係認知能力的 AI 支持系統提供了重要的衡量標準與改進方向。