摘要
长周期角色扮演要求角色随叙事发展保持可识别性。现有工作多采用静态画像,难以在不破坏未变特征的情况下进行局部更新,且基准测试主要关注人设保持而非当前演化状态。本文提出PHASE-Tree,一种具有不可变身份根节点和可变人格、会话及时刻层级的多时间尺度角色状态树,使每个可变字段成为局部更新的地址目标。同时引入LongEvoRoleBench评估演化状态生成能力。实验表明,该方法在多项指标上显著优于基线,有效提升了角色一致性。
AI 推荐理由
论文核心在于解决长对话中角色状态的动态更新与记忆管理,提出PHASE-Tree架构以支持局部化的记忆更新。
研究机构
MemTensor (Shanghai) Technology
KU Leuven, Belgium
Zhejiang University
University of Chinese Academy of Sciences
Sinar Mas Paper (China) Investment Co., Ltd
The Hong Kong Polytechnic University
论文信息