HyCoRA：面向角色扮演的超对比性角色适应学习
计算与语言
2025-11-12 v1
摘要
多角色角色扮演旨在使模型具备模拟多样化角色的能力。现有方法要么使用一个在所有角色之间共享的参数模块，要么为每个角色分配单独的参数模块。然而，角色共享模块可能忽略每个角色的独特特征，削弱人格学习；而角色特定模块则可能忽略多个角色间的共同特征，阻碍共性建模。本文提出一种新颖的HyCoRA：Hyper-Contrastive Role-Adaptive学习框架，通过平衡学习不同和共享特征来提高多角色角色扮演能力。具体而言，我们提出一种Hyper-Half Low-Rank Adaptation结构，其中一半是由轻量级超网络生成的角色特定模块，另一半是可训练的角色共享模块。角色特定模块用于表示独特的人格特征，而角色共享模块用于捕捉共同特征。此外，我们设计了超对比学习机制以帮助超网络区分不同角色的独特特征。大量实验结果表明，我们的框架在英文和中文可获得的基准测试中均显示优越性。进一步的GPT-4评估和可视化分析也验证了HyCoRA捕捉角色特征的能力。
引用
@article{arxiv.2511.08017,
title = {HyCoRA: Hyper-Contrastive Role-Adaptive Learning for Role-Playing},
author = {Shihao Yang and Zhicong Lu and Yong Yang and Bo Lv and Yang Shen and Nayu Liu},
journal= {arXiv preprint arXiv:2511.08017},
year = {2025}
}
备注
9 pages, 5 figures