近年来情感支持对话系统大多聚焦于单一求助者与支持者的“一对一”交互，只考虑个体情绪状态，忽视了多方场景中关系的演变。
为此我们提出关系感知情感支持对话这一新任务，检验大型语言模型（LLM）能否捕捉并利用关系动态提供更有效的支持。我们基于真实的情侣和家庭访谈构建了 RESCUE（Relation-aware Emotional Support Conversation Understanding and Evaluation Benchmark），收录 191 条样本、7079 条标注对话以及 1064.8 分钟视频。
数据集提供社会情感和支持行为的细粒度标注，围绕关系理解与关系敏感支持定义了六个评估任务，包括关系模式预测、视角预测、支持策略预测等。
十种主流 LLM 在仅依赖局部情绪或干预线索的任务上表现尚可，但在关系密集型任务上显著下降，说明当前模型在建模人际关系和做出关系敏感决策方面仍有不足。
点评