同理响应生成不仅要决定说什么，还要决定如何回应说话者的情感状态。我们将其形式化为响应侧情感取向控制，并使用多标注者的 Emoji 分布作为弱情感证据，而不是直接作为输出符号或金标准标签，从而诱导一个近似听者立场的潜在控制空间。我们基于 EmpatheticDialogues 构建了 EmojiDialogue，在句子层面加入了 Emoji 投票及置信度分数。随后提出 EmoStance：首先建模源侧的情感表达，其次根据对话上下文和说话者角色预测一个软响应取向向量，最后通过连续前缀嵌入引导冻结的指令微调大语言模型（LLM）生成响应。
在盲测配对评估中，20 位标注者共给出 800 条判断，EmoStance 获得 62.2% 的决定性胜率，尤其在上下文特异性和感知响应性方面提升显著，并且能够与外部知识增强方法互补。代码、标注元数据及重建脚本已在 GitHub 开源： https://github.com/18277390221/EmoStance。
点评：EmoStance 通过 Emoji 的弱监督信号实现了细粒度的情感取向控制，展示了在同理响应生成中兼顾自然度和情感贴合度的可行路径。