多模态辅导响应生成（MCRG）旨在依据多模态对话历史生成合适的辅导回复。当前面临两大瓶颈：一是公开数据集缺乏由资质辅导员真实记录的持续交互；二是现有方法未显式优化辅导推理与生成回复之间的一致性，可能削弱系统可靠性。
为此我们构建了 MOCC 数据库，收录超过 200 小时、154 位经认证辅导员的多模态对话。基于该库提出 MOCC-R1 两阶段框架以提升推理‑响应一致性。冷启动监督微调阶段让模型生成结构化轨迹，包括对来访者状态的理解、将辅导原则映射到具体行动的响应意图以及最终回复。随后通过强化学习（RL）对计划的连贯性与执行进行奖励，促使推断的状态与计划得到对话上下文的支持，并让回复实现该计划。实验结果表明 MOCC-R1 在一致性和实用性上均优于基线。
点评