从故事情节中提取角色逻辑并编码为决策树
计算与语言
2026-01-16 v1
摘要
角色扮演（RP）智能体依赖行为画像以在不同的叙事语境中保持行为一致性，然而现有的画像大多是非结构化的、不可执行的且验证薄弱的，导致智能体行为脆弱。我们提出了编码决策树（CDT），这是一个数据驱动的框架，能从大规模叙事数据中归纳出一个可执行且可解释的决策结构。CDT将行为画像表示为一棵条件规则树，其中内部节点对应于经过验证的场景条件，叶节点编码有依据的行为陈述，从而在执行时能够确定性地检索出适合语境的规则。该树通过迭代地归纳候选场景-动作规则、依据数据进行验证并通过层次化特化进行精炼来学习，从而产生支持透明检查和有原则更新的画像。在多个基准测试中，CDT在16个作品中的85个角色上显著优于人工编写的画像和先前的画像归纳方法，表明编码化和经过验证的行为表示能带来更可靠的智能体基础。
引用
@article{arxiv.2601.10080,
title = {Deriving Character Logic from Storyline as Codified Decision Trees},
author = {Letian Peng and Kun Zhou and Longfei Yun and Yupeng Hou and Jingbo Shang},
journal= {arXiv preprint arXiv:2601.10080},
year = {2026}
}