面向一致角色扮演智能体的动态上下文适应框架
人工智能
2026-02-06 v4
摘要
构建能够忠实模拟特定角色的角色扮演智能体 (Role-Playing Agents, RPAs) 仍然具有挑战性，因为收集角色特定言语和持续更新模型参数都需要大量资源，这使得检索增强生成 (Retrieval-Augmented Generation, RAG) 成为一种实用必要手段。然而，尽管RAG的重要性不言而喻，但关于RAG-based RPAs的研究仍寡言少有。例如，我们通过经验发现，当角色缺乏与给定查询相关的知识时，基于RAG的RPAs容易产生幻觉，这使得生成准确响应变得具有挑战性。本文提出Amadeus，一个无需训练的框架，可显著提升即使在角色知识之外的问题响应一致性。此外，为支撑RAG-based RPAs开发和严格评估，我们手动构建了CharacterRAG数据集，包含15个不同虚构角色的人格文档，总计976K字，以及450组问答对。我们发现，所提方法不仅能建模角色所具备的知识，还能捕捉人格等各种属性。
引用
@article{arxiv.2508.02016,
title = {Dynamic Context Adaptation for Consistent Role-Playing Agents with Retrieval-Augmented Generations},
author = {Jeiyoon Park and Yongshin Han and Minseop Kim and Kisu Yang},
journal= {arXiv preprint arXiv:2508.02016},
year = {2026}
}
备注
preprint