arXiv cs.CL· Yuxiang Gao, Tianjie Ju, Zheng Wu, Zongru Wu, Hao Fei·· 10 小时前AI 评分31
ACTOR：面向文学角色扮演智能体的以行动为中心的时间组织框架
ACTOR: Action-Centered Temporal Organization for Literary Role-Playing Agents
AI 导读
研究提出 ACTOR 框架，从原始小说文本中抽取对话与人设相关的非对话行为，用 Thought-Action-Observation 结构表示并按故事内部时间顺序组织行为轨迹，基于 143 部文学作品构建行为数据集。
正文 · AI 翻译
摘要：用于文学角色扮演的大型语言智能体通常围绕对话生成进行建模，导致角色的非对话行为及其在故事时间中的动态演变未得到充分体现。本文提出 ACTOR（面向文学角色扮演智能体的以行动为中心的时间组织框架），这是一个从原始小说文本中自动构建此类行为轨迹的框架。ACTOR 提取对话以及与人物设定相关的非对话行为，使用“思考-行动-观察”结构表示每个行为，并按照故事内部的时间顺序组织行为轨迹。我们基于 143 部多样的文学作品构建了一个行为数据集。对于每个源行为，我们生成在语境上合理但与角色人物设定不一致的反事实行为。我们发现现有模型难以从历史行为和不断演变的角色状态中可靠地推断出符合角色设定的行动。利用这些行为对，我们使用正则化偏好优化（RPO）训练模型，该方法在 DPO 基础上增加对源行为的负对数似然损失，以联合优化行为偏好与生成。我们进一步设计了一个四选一的下一个行为选择任务，以评估模型忠实模仿角色行动的能力。在 17,560 个评估实例中，使用 ACTOR 偏好对训练的模型取得了显著提升的准确率。这一结果表明，结构化、按时间组织的监督使模型能够利用角色档案和先前行为来推断后续行动，从而极大地推动了文学角色扮演超越单纯的对话模仿。代码和数据可在 此 https URL 获取。
| 评论： | 进行中 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.03184 [cs.CL] |
| （或 arXiv:2611.03184v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.03184 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：YuXiang Gao [查看电子邮件]
[v1]
2026年11月2日星期一 14:18:04 UTC（658 KB）
来源：arXiv cs.CL · arxiv.org