arXiv 2026年10月6日该工作提出 EchoChat，把共情语音对话重构为感知、心智状态推理与回应生成的结构化认知推理流程，配套构建 400K 单轮加 4K 多轮会话的 EchoDialogue-400K 数据集、Acoustic-Anchored Attention 与带 Step-Decomposed Credit Assignment 的阶段感知强化学习目标，并发布 1K 条专家标注的 EchoEval 基准；实验显示其在感知、推理与回应一致性上均优于 12 个对比模型，感知均分 8.23、推理均分 8.43、回应均分 9.26，LLM 评分与人工判断的平均 Spearman 相关为 0.83。该工作提出 EchoChat，把共情语音对话重构为感知、心智状态推理与回应生成的结构化认知推理流程，配套构建 400K 单轮加 4K 多轮会话的 EchoDialogue-400K 数据集、Acoustic-Anchored Attention 与带 Step-Decomposed Credit Assignment 的阶段感知强化学习目标，并发布 1K 条专家标注的 EchoEval 基准；实验显示其在感知、推理与回应一致性上均优于 12 个对比模型，感知均分 8.23、推理均分 8.43、回应均分 9.26，LLM 评分与人工判断的平均 Spearman 相关为 0.83。EchoChat 将共情语音对话重构为感知—心智推理—回应三阶段流程，在 EchoEval 上把感知均分从 6.96 提升到 8.23、推理从 6.61 提升到 8.43该工作提出 EchoChat，把共情语音对话重构为感知、心智状态推理与回应生成的结构化认知推理流程，配套构建 400K 单轮加 4K 多轮会话的 EchoDialogue-400K 数据集、Acoustic-Anchored Attention 与带 Step-Decomposed Credit Assignment 的阶段感知强化学习目标，并发布 1K 条专家标注的 EchoEval 基准；实验显示其在感知、推理与回应一致性上均优于 12 个对比模型，感知均分 8.23、推理均分 8.43、回应均分 9.26，LLM 评分与人工判断的平均 Spearman 相关为 0.83。该工作提出 EchoChat，把共情语音对话重构为感知、心智状态推理与回应生成的结构化认知推理流程，配套构建 400K 单轮加 4K 多轮会话的 EchoDialogue-400K 数据集、Acoustic-Anchored Attention 与带 Step-Decomposed Credit Assignment 的阶段感知强化学习目标，并发布 1K 条专家标注的 EchoEval 基准；实验显示其在感知、推理与回应一致性上均优于 12 个对比模型，感知均分 8.23、推理均分 8.43、回应均分 9.26，LLM 评分与人工判断的平均 Spearman 相关为 0.83。