在对话时如同“木头人”，面对复杂情绪不知所措，甚至会因“听不懂人话”而闹出笑话——这恐怕是当前AI大模型最尴尬的短板之一。如今，中国科学院的研究团队决定把这块短板补上，而且不是靠“养在深闺”的实验室模型，而是掏出了一套“可测可训”的工程化方案。
情商不再是玄学，AI需要“情绪图谱”
长期以来，AI的“情商”问题被归结为语料不够、模型不够大。但中科院团队发现，根本原因在于：情绪本身是模糊、动态且高度依赖上下文的，而现有AI的训练方式，更擅长处理“事实性”和“逻辑性”的任务。
比如，一个用户说“我没事，真的没事”，AI如果只按字面意思理解，就会给出冰冷的解决方案；而一个高情商的人类，会从语气、重复用词、甚至对话节奏中，捕捉到“有事”的信号。AI要补上这一课，首先需要一套能“量化”情绪的工程标准，而不是停留在“博君一笑”的段子层面。
从“对话感知”到“工程化训练”
中科院团队提出的核心思路，是把“情商”拆解成可测量的工程模块。他们不再满足于让AI“会说漂亮话”，而是构建了一套多维度的情绪理解与表达能力框架。
这套框架重点解决了三个层次的问题：第一，情绪识别，AI能否准确识别用户话语中的情绪类型（如愤怒、沮丧、讽刺）及其强度；第二，情绪归因，AI能否理解这种情绪的来源（是对话中的某个信息，还是用户自身的经历）；第三，情绪表达，AI能否在回应中恰当地展现同理心、安抚或幽默，且不显得“油腻”或“机械”。
可测可训：给AI打分，让AI“补课”
如果说传统的对话评测是“语文考试”，那么中科院这套方案就像是一套“情商专项测试”。研究团队开发了一套标准化的评测数据集与训练范式，让AI在大量“高情商对话样本”中进行学习，并不断接受“情绪盲点”的针对性训练。
例如，AI在处理“用户抱怨服务质量”的场景时，以往的模型可能会直接给出解决方案或道歉模板。但经过训练的新模型，会先通过“情绪识别”模块判断用户此刻更需要的是“被倾听”还是“解决实际问题”，然后动态调整回应策略——如果用户情绪激烈，AI会先释放共情信号，再介入解决方案。
不只是“陪聊”，情商AI瞄准真实场景
这项研究的价值，绝不仅限于让AI“更会聊天”。在医疗、教育、心理咨询、客服、陪伴机器人等直面用户的场景中，AI的情商表现直接决定了用户信任度与使用体验。
一个能理解病人焦虑的导诊机器人，比一个只会指路的机器人更能缓解医患矛盾；一个能察觉学生挫败感的AI助教，比一个只讲题目的机器人更能激发学习动力。中科院团队的目标，正是让AI在“有价值”的对话中，从“工具”进化成“协作伙伴”。
行业意义：AI从“智商竞赛”进入“情商赛道”
过去两年，大模型领域的竞争焦点集中在知识储备、逻辑推理和代码生成上，这些本质上是“智商”的比拼。但中科院的研究表明，随着AI渗透到更多社会交互场景，“情商”正在成为下一个关键分水岭。
一个冷冰冰的“完美答案”，往往不如一个“温暖但有点笨拙的回应”更能留住用户。当AI能真正理解并回应人类的情绪波动，人机交互的边界将被重新定义——这不再是“搜索增强”或“记忆增强”，而是“情感增强”的突破。
不过，这套“可测可训”的情商工程，目前仍处于早期阶段。如何避免AI“表演式共情”，如何让情商训练不沦为“话术模板”，仍是摆在研究者面前的真实挑战。但至少，AI“情商低”这个尴尬的标签，中科院已经开始动手撕掉了。