💬 NLP

EmoLLM: Appraisal-Grounded Cognitive-Emotional Co-Reasoning in Large Language Models

यह शोध पत्र EmoLLM प्रस्तुत करता है, जो एक मूल्यांकन-आधारित ढांचा है जो संरचित संज्ञानात्मक-भावनात्मक सह-तर्क के लिए एक स्पष्ट मूल्यांकन तर्क ग्राफ (Appraisal Reasoning Graph) का उपयोग करके और तथ्यात्मक रूप से विश्वसनीय एवं भावनात्मक रूप से उपयुक्त प्रतिक्रियाएं उत्पन्न करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करके बड़े भाषा मॉडलों की भावनात्मक बुद्धिमत्ता को बढ़ाता है।

मूल लेखक: Yifei Zhang, Mingyang Li, Henry Gao, Liang Zhao

प्रकाशित 2026-03-18

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yifei Zhang, Mingyang Li, Henry Gao, Liang Zhao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बहुत ही बुद्धिमान रोबोट से बात कर रहे हैं। यह रोबोट तथ्यों, गणित और तर्क में जीनियस है। यदि आप इसे गणित की कोई समस्या हल करने या कोड लिखने के लिए कहते हैं, तो यह एकदम सटीक होता है। लेकिन यदि आप अपने बॉस द्वारा डांटे जाने के कारण रोते हुए इसके पास आते हैं, तो रोबोट कह सकता है, "सांख्यिकीय रूप से, 70% प्रबंधक तनाव में होते हैं। संघर्ष समाधान के लिए यहाँ तीन सुझाव दिए गए हैं।"

यह तथ्यात्मक रूप से सही है, लेकिन यह ठंडा, रोबोटिक और अनुपयोगी महसूस होता है। इसमें उच्च IQ (इंटेलिजेंस कोशिएंट) है लेकिन शून्य EQ (इमोशनल कोशिएंट)।

दूसरी ओर, कुछ रोबोट दयालु होने में माहिर होते हैं। वे कह सकते हैं, "ओह नहीं, यह बहुत बुरा हुआ! मुझे बहुत दुख है! आप अद्भुत हैं!" लेकिन वे पूरी बात को समझने में विफल हो सकते हैं, बिना वास्तव में समस्या को हल किए केवल खाली सांत्वना देते हैं। उनमें उच्च EQ है लेकिन कम IQ है।

यह पेपर EmoLLM को पेश करता है, जो AI को एक ही समय में मस्तिष्क और हृदय दोनों रखने के लिए सिखाने का एक नया तरीका है। यह इस प्रकार काम करता है, कुछ सरल उपमाओं का उपयोग करते हुए:

1. "अप्रेजल" जासूस (ARG)

अधिकांश AI केवल आपके अंतिम वाक्य को देखते हैं और उत्तर का अनुमान लगाते हैं। EmoLLM अलग है। बोलने से पहले, यह एक जासूस या एक थेरेपिस्ट की तरह कार्य करता है जो एक गहरी सांस लेता है और Appraisal Reasoning Graph (ARG) नामक एक विशेष मानचित्र का उपयोग करके स्थिति का विश्लेषण करता है।

इस ग्राफ को एक पाँच-चरणीय चेकलिस्ट के रूप में सोचें जिसे AI बोलने से पहले अपने दिमाग में पूरा करता है:

तथ्य: वास्तव में क्या हुआ? (जैसे, "उपयोगकर्ता के पास एक समय सीमा है और एक नया संशोधन अनुरोध है।")
आवश्यकताएँ: उपयोगकर्ता को अभी वास्तव में किस चीज़ की आवश्यकता है? (जैसे, "उन्हें केवल अधिक काम नहीं, बल्कि नियंत्रण महसूस करने की आवश्यकता है।")
अप्रेजल (मूल्यांकन): उपयोगकर्ता इन तथ्यों के बारे में कैसा महसूस करता है? (जैसे, "वे अभिभूत और फँसा हुआ महसूस कर रहे हैं।")
भावना: विशिष्ट भावना क्या है? (जैसे, "चिंता और लाचारी।")
रणनीति: प्रतिक्रिया देने का सबसे अच्छा तरीका क्या है? (जैसे, "पहले, उन्हें शांत करें। फिर, एक छोटा, प्रबंधनीय कदम दें।")

AI को पहले इस "जासूसी नोटबुक" को भरने के लिए मजबूर करके, यह सुनिश्चित किया जाता है कि प्रतिक्रिया वास्तविकता (IQ) पर आधारित हो लेकिन मानव की भावनाओं (EQ) के अनुरूप हो।

2. "टाइम-ट्रैवल" रिहर्सल (रिवर्स-परस्पेक्टिव रीजनिंग)

यह सबसे शानदार हिस्सा है। कल्पना कीजिए कि आप अपने किसी मित्र से कुछ कहने वाले हैं। बोलने से पहले, आप कल्पना करते हैं कि वे कैसी प्रतिक्रिया देंगे।

यदि मैं कहता हूँ "बस इसे कर दो," तो वे क्रोधित हो सकते हैं।
यदि मैं कहता हूँ "आइए इसे विस्तार से समझते हैं," तो वे राहत महसूस कर सकते हैं।

EmoLLM इसे स्वचालित रूप से करता है। यह Reverse-Perspective Reasoning नामक तकनीक का उपयोग करता है।

AI एक संभावित उत्तर उत्पन्न करता है।
फिर, यह उपयोगकर्ता होने का नाटक करता है और पूछता है, "यदि मैं यह सुनूँ, तो मैं कैसा महसूस करूँगा? क्या मैं बेहतर महसूस करूँगा या बदतर?"
यह अपने दिमाग में बातचीत के अगले कुछ दौरों का अनुकरण (simulate) करता है।

यदि सिमुलेशन दिखाता है कि उपयोगकर्ता अधिक तनाव में आ रहा है, तो AI जानता है, "बुरा विचार है, यह मत कहो।" इसे तब 'पुरस्कार' मिलता है जब यह भविष्यवाणी करता है कि उपयोगकर्ता बेहतर महसूस करेगा, और तब 'दंड' मिलता है जब वह उन्हें बदतर महसूस कराता है। यह वास्तविक प्रदर्शन से पहले एक रिहर्सल की तरह है।

3. ट्रेनिंग जिम (रोल-प्ले)

आप एक रोबोट को सहानुभूति रखना कैसे सिखाते हैं? आप उसे केवल एक किताब नहीं पढ़ाते। आप उसे एक जिम में रखते हैं।

AI एक खेल खेलता है जहाँ वह एक "सिम्युलेटेड मानव" (एक कंप्यूटर प्रोग्राम जो भावनाओं वाले व्यक्ति की तरह व्यवहार करता है) से बात करता है।
AI विभिन्न प्रतिक्रियाएँ आज़माता है।
यदि सिम्युलेटेड मानव बेहतर महसूस करता है, तो AI को उच्च स्कोर मिलता है।
यदि सिम्युलेटेड मानव बदतर महसूस करता है, तो AI को कम स्कोर मिलता है।

हजारों खेलों के माध्यम से, AI सीख जाता है कि केवल तथ्य पर्याप्त नहीं हैं। वह सीख जाता है कि खेल जीतने के लिए (मानव को खुश करने के लिए), उसे तथ्यों को सही भावनात्मक स्वर के साथ जोड़ना होगा।

यह क्यों महत्वपूर्ण है?

पेपर दिखाता है कि EmoLLM अन्य मॉडलों की तुलना में निम्नलिखित में बेहतर है:

समस्या को हल करना: यह केवल "मुझे खेद है" नहीं कहता; यह वास्तव में उपयोगी सलाह देता है।
लोगों को सुना हुआ महसूस कराना: यह समझता है कि आप क्यों परेशान हैं, न कि केवल यह कि आप परेशान हैं।
सटीक रहना: यह केवल अच्छा दिखने के लिए तथ्यों के बारे में झूठ नहीं बोलता या भ्रमित (hallucinate) नहीं होता।

संक्षेप में:
पुराना AI एक पाठ्यपुस्तक की तरह था (बुद्धिमान लेकिन उबाऊ) या एक गले मिलने (hug) की तरह (गर्मजोशी भरा लेकिन शायद मददगार नहीं)।
EmoLLM एक समझदार मित्र की तरह है। यह माहौल को पढ़ता है, आपकी भावनाओं को समझता है, तथ्यों की जाँच करता है, और फिर वही कहता है जिसे सुनने की आपको ज़रूरत है ताकि आप बेहतर महसूस कर सकें और आगे बढ़ सकें। यह पहला AI है जो वास्तव में "अपने दिल से सोचना" सीखता है।

यहाँ शोध पत्र "EmoLLM: Appraisal-Grounded Cognitive-Emotional Co-Reasoning in Large Language Models" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) ने तर्क और समस्या समाधान में मजबूत संज्ञानात्मक बुद्धिमत्ता (Cognitive Intelligence - IQ) प्रदर्शित की है, वे वास्तविक दुनिया की बातचीत में अक्सर भावनात्मक बुद्धिमत्ता (Emotional Intelligence - EQ) की कमी दर्शाते हैं। मौजूदा दृष्टिकोण आमतौर पर संज्ञानात्मक तर्क (cognitive reasoning) और भावनात्मक समझ (emotional understanding) को अलग-अलग उद्देश्यों के रूप में देखते हैं। इससे दो प्रकार की विफलताएँ होती हैं:

केवल-IQ प्रतिक्रियाएँ (IQ-only responses): तथ्यात्मक रूप से सटीक लेकिन भावनात्मक रूप से असंवेदनशील या अनुपयुक्त।
केवल-EQ प्रतिक्रियाएँ (EQ-only responses): सहानुभूतिपूर्ण लेकिन संभावित रूप से तथ्यात्मक संदर्भ या उपयोगकर्ता की विशिष्ट स्थिति पर आधारित नहीं।

मुख्य चुनौती एक ऐसा ढांचा विकसित करना है जहाँ LLMs सह-तर्क (co-reasoning) कर सकें, जो एक ही संरचित प्रक्रिया के भीतर परिस्थितिजन्य तथ्यों, अनुमानित उपयोगकर्ता आवश्यकताओं, मनोवैज्ञानिक मूल्यांकन (psychological appraisals), भावनात्मक अवस्थाओं और प्रतिक्रिया रणनीतियों को संयुक्त रूप से मॉडल कर सके। इसके अलावा, ऐसे मॉडल्स को प्रशिक्षित करने के लिए केवल टर्न-लेवल रिवॉर्ड्स से आगे बढ़कर दीर्घकालिक उपयोगकर्ता-पक्ष के परिणामों (जैसे, बहु-टर्न संवाद में भावनात्मक सुधार) के लिए अनुकूलित करने की आवश्यकता है।

2. कार्यप्रणाली: EmoLLM ढांचा (Methodology: The EmoLLM Framework)

EmoLLM एक एप्रैज़ल-ग्राउंडेड (Appraisal-Grounded) ढांचे को पेश करता है जो मनोवैज्ञानिक एप्रैज़ल थ्योरी (Appraisal Theory) से प्रेरित है, जो यह प्रतिपादित करती है कि भावनाएँ इस बात से उत्पन्न होती हैं कि व्यक्ति अपने लक्ष्यों और मुकाबला करने की क्षमताओं के सापेक्ष घटनाओं का मूल्यांकन कैसे करते हैं।

A. मुख्य घटक: एप्रैज़ल रीजनिंग ग्राफ (Appraisal Reasoning Graph - ARG)

EmoLLM एक स्पष्ट एप्रैज़ल रीजनिंग ग्राफ (ARG) का उपयोग करके तर्क प्रक्रिया को व्यवस्थित करता है। प्रत्येक संवाद टर्न पर, मॉडल पाँच परस्पर निर्भर नोड्स के साथ एक निर्देशित अचक्रीय ग्राफ (directed acyclic graph) बनाता है:

संदर्भगत तथ्य ( $F_t$ ): वस्तुनिष्ठ परिस्थितिजन्य विवरण।
अनुमानित आवश्यकताएं/लक्ष्य ( $N_t$ ): उपयोगकर्ता की अंतर्निहित प्रेरणाएँ।
एप्रैज़ल आयाम ( $A_t$ ): आवश्यकताओं के सापेक्ष तथ्यों का मूल्यांकन (जैसे, नियंत्रण क्षमता, लक्ष्य सामंजस्य)।
भावनात्मक अवस्थाएँ ( $E_t$ ): एप्रैज़ल से प्राप्त परिणामी भावनात्मक अवस्था।
प्रतिक्रिया रणनीतियाँ ( $S_t$ ): संयुक्त संज्ञानात्मक-भावनात्मक अवस्था के आधार पर नियोजित कार्रवाई।

यह संरचना मॉडल को उत्तर उत्पन्न करने से पहले तथ्यात्मक संदर्भ और उपयोगकर्ता की आवश्यकताओं में भावनात्मक प्रतिक्रियाओं को स्थापित करने के लिए मजबूर करती है, जिससे प्रभावी रूप से लेटेंट संज्ञानात्मक ( $z_{IQ}$ ) और भावनात्मक ( $z_{EQ}$ ) तर्क अवस्थाओं को जोड़ा जाता है।

B. प्रशिक्षण पाइपलाइन (दो-चरणीय) (Training Pipeline - Two-Stage)

EmoLLM को संरचनात्मक ग्राउंडिंग और संवादात्मक प्रभावशीलता सुनिश्चित करने के लिए दो-चरणीय पाइपलाइन के माध्यम से प्रशिक्षित किया जाता है:

चरण I: इनिशियलाइजेशन (सुपरवाइज्ड लर्निंग)
- नॉलेज-ग्राउंडेड कंटीन्यूड प्रीट्रेनिंग (CPT): मॉडल को संरचित भावात्मक ज्ञान (जैसे, ECoK ग्राफ से) के साथ संवर्धित संवाद कॉर्पोरा पर प्री-ट्रेन किया जाता है ताकि बुनियादी एप्रैज़ल संकेतों को सीखा जा सके।
- ARG-गाइडेड सुपरवाइज्ड फाइन-ट्यूनिंग (SFT): एक शक्तिशाली "टीचर" LLM डेटा के एक हिस्से के लिए उच्च-गुणवत्ता वाले ARG ट्रेसेस (तथ्य, आवश्यकताएं, एप्रैज़ल, भावनाएं, रणनीतियां) उत्पन्न करता है। स्टूडेंट मॉडल को इन संरचित ट्रेसेस और संबंधित प्रतिक्रियाओं को पुनरुत्पादित करने के लिए फाइन-ट्यून किया जाता है।
चरण II: मल्टी-टर्न सुदृढीकरण लर्निंग (RL)
- पर्यावरण (Environment): प्रशिक्षण एक यूजर सिम्युलेटर के साथ मल्टी-टर्न रोल-प्ले वातावरण में होता है।
- रिवर्स-परस्पेक्टिव रीजनिंग (Reverse-Perspective Reasoning): एक उम्मीदवार प्रतिक्रिया उत्पन्न करने के बाद, मॉडल आंतरिक रूप से उपयोगकर्ता के दृष्टिकोण का अनुकरण करता है। यह भविष्यवाणी करता है कि उपयोगकर्ता की आवश्यकताएं, एप्रैज़ल और भावनात्मक अवस्था कैसे विकसित होंगी ( $n$ -स्टेप लुकअहेड)।
- रिवॉर्ड सिग्नल (Reward Signal): एक जज मॉडल इस अनुमानित उपयोगकर्ता-पक्ष संक्रमण की संभाव्यता का मूल्यांकन करता है। रिवॉर्ड इस बात पर आधारित होता है कि क्या प्रतिक्रिया एक सकारात्मक भावनात्मक प्रक्षेपवक्र (जैसे, संकट में कमी, राहत में वृद्धि) की ओर ले जाती है।
- अनुकूलन (Optimization): मॉडल को संज्ञानात्मक विश्वसनीयता, ARG ट्रेस गुणवत्ता, रिवर्स-परस्पेक्टिव संभाव्यता और दक्षता सुनिश्चित करने के लिए एक "ओवरथिंकिंग" पेनल्टी सहित एक मिश्रित रिवॉर्ड को अधिकतम करने के लिए GRPO (Group Relative Policy Optimization) का उपयोग करके अनुकूलित किया जाता है।

3. प्रमुख योगदान (Key Contributions)

एप्रैज़ल-ग्राउंडेड सह-तर्क (Appraisal-Grounded Co-Reasoning): पहला ढांचा जो स्पष्ट रूप से परिस्थितिजन्य तथ्यों $\to$ आवश्यकताओं $\to$ एप्रैज़ल $\to$ भावना $\to$ रणनीति के डिपेंडेंसी चेन को मॉडल करता है, और IQ एवं EQ को अलग-अलग मॉड्यूल के बजाय जुड़े हुए लेटेंट कारकों के रूप में मानता है।
एप्रैज़ल रीजनिंग ग्राफ (ARG): एक नवीन संरचनात्मक ढांचा जो मध्यवर्ती तर्क को व्यवस्थित करता है, यह सुनिश्चित करता है कि प्रतिक्रियाएं तथ्यात्मक रूप से ग्राउंडेड और भावनात्मक रूप से सामंजस्यपूर्ण हों।
रिवर्स-परस्पेक्टिव सुदृढीकरण लर्निंग (Reverse-Perspective Reinforcement Learning): एक प्रशिक्षण तंत्र जो उपयोगकर्ता-पक्ष के परिणामों के आंतरिक सिमुलेशन का उपयोग करके रिवॉर्ड सिग्नल प्रदान करता है, जिससे मॉडल को केवल तत्काल प्रतिक्रिया की गुणवत्ता के बजाय दीर्घकालिक भावनात्मक गतिशीलता को सीखने में मदद मिलती है।
सैद्धांतिक गारंटी (Theoretical Guarantee): शोध पत्र एक प्रमेय प्रदान करता है जो सिद्ध करता है कि रिवर्स-परस्पेक्टिव रीजनिंग में लुकअहेड डेप्थ बढ़ाने से उपयोगकर्ता-अवस्था संक्रमणों के मूल्यांकन में ट्रंकेशन बायस (truncation bias) सैद्धांतिक रूप से कम हो जाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

EmoLLM का मूल्यांकन चार विविध डेटासेट्स पर किया गया: इमोशनल सपोर्ट (ED), टेक्निकल असिस्टेंस (MSD), मेडिकल कंसल्टेशन (MedD), और एकेडेमिक पीयर रिव्यू (ICLR)।

बेसलाइन्स के मुकाबले प्रदर्शन: EmoLLM ने सभी मेट्रिक्स में मजबूत बेसलाइन्स (प्रॉम्प्टिंग मेथड्स, SFT और अन्य RL दृष्टिकोणों सहित) को लगातार पीछे छोड़ दिया:
- सफलता दर (SR): भावनात्मक समाधान प्राप्त करने की उच्च दर।
- दक्षता (Efficiency): सफलता तक पहुँचने के लिए आवश्यक कम टर्न (AT)।
- भावनात्मक गुणवत्ता: उच्च इमोशनल स्टेट (ES) और एम्पैथिक एप्रोप्रिएटनेस (EA) स्कोर।
- तथ्यात्मक विश्वसनीयता: कई EQ-केंद्रित मॉडल्स के विपरीत जो मतिभ्रम (hallucination) का शिकार होते हैं, EmoLLM ने बेस मॉडल की तुलना में तथ्यात्मक सटीकता (FA) में सुधार किया (जैसे, ED पर +9.4%), जो दर्शाता है कि भावनात्मक संरेखण संज्ञानात्मक विश्वसनीयता से समझौता नहीं करता है।
प्रोपराइटरी API के साथ तुलना: एक छोटे ओपन-वेट मॉडल (Qwen3-8B) का उपयोग करने के बावजूद, EmoLLM ने मल्टी-टर्न इमोशनल सपोर्ट परिदृश्यों में बड़े प्रोपराइटरी APIs (जैसे, GPT-5 वेरिएंट, Gemini) के बराबर या उनसे बेहतर प्रदर्शन किया।
एब्लेशन स्टडीज (Ablation Studies): ARG संरचना, चरण I इनिशियलाइजेशन, या रिवर्स-परस्पेक्टिव रिवॉर्ड्स को हटाने से प्रदर्शन में काफी गिरावट आई, जो तीनों घटकों की आवश्यकता की पुष्टि करता है।

5. महत्व और प्रभाव (Significance and Impact)

प्रतिमान परिवर्तन (Paradigm Shift): यह शोध क्षेत्र को "स्टाइल एडैप्टेशन" (सहानुभूतिपूर्ण दिखने वाले टेक्स्ट उत्पन्न करना) से "स्ट्रक्चरल रीजनिंग" (स्पष्ट संज्ञानात्मक-भावनात्मक कारण श्रृंखला को मॉडल करना) की ओर ले जाता है।
स्केलेबिलिटी (Scalability): यह प्रदर्शित करता है कि यदि सही रीजनिंग स्कैफोल्ड और प्रशिक्षण उद्देश्यों से लैस हो, तो कॉम्पैक्ट, ओपन-वेट मॉडल्स भी फ्रंटियर-लेवल भावनात्मक बुद्धिमत्ता प्राप्त कर सकते हैं, जिससे विशाल प्रोपराइटरी मॉडल्स पर निर्भरता कम होती है।
सुरक्षा और विश्वसनीयता: ARG के माध्यम से तथ्यात्मक ग्राउंडिंग को लागू करके और भावनात्मक रूप से हेरफेर करने वाले लेकिन तथ्यात्मक रूप से कमजोर उत्तरों को रिवर्स-परस्पेक्टिव रिवॉर्ड्स के माध्यम से फ़िल्टर करके, EmoLLM स्वास्थ्य सेवा और परामर्श जैसे उच्च-जोखिम वाले डोमेन के लिए एक सुरक्षित दृष्टिकोण प्रदान करता है।
भविष्य की दिशा: यह कार्य सुझाव देता है कि भविष्य के संवादात्मक एजेंटों को वास्तव में मानव-समान बातचीत प्राप्त करने के लिए अपनी रीजनिंग आर्किटेक्चर में स्पष्ट मनोवैज्ञानिक सिद्धांतों (जैसे, एप्रैज़ल थ्योरी) को एकीकृत करना चाहिए।

कोड उपलब्धता: लेखकों ने कोड https://github.com/yifeizhangcs/EmoLLM पर जारी किया है।