ID-RAG：面向生成式智能体长期人格连贯性的身份检索增强生成
摘要
由语言模型驱动的生成式智能体日益被部署于长期任务中。然而，随着长期记忆上下文随时间增长，它们难以保持连贯性。这一缺陷会导致关键性失败，包括身份漂移、忽视既有信念，以及在多智能体系统中传播幻觉。为缓解这些挑战，本文引入了身份检索增强生成（Identity Retrieval-Augmented Generation, ID-RAG），这是一种新颖的机制，旨在将智能体的人格和持久偏好锚定于一个动态的、结构化的身份模型中：一个由核心信念、特质和价值观构成的知识图谱。在智能体的决策循环中，通过查询该模型来检索相关的身份上下文，从而直接指导动作选择。我们通过引入并实现一类新的启用ID-RAG的智能体——人机智能体（Human-AI Agents, HAis）来展示这一方法，其身份模型受Perspective-Aware AI中使用的Chronicle结构启发，这是一种从现实世界实体的数字足迹中学习到的动态知识图谱。在市长选举的社会模拟中，使用ID-RAG的HAis在长期人格连贯性方面优于基线智能体——在第四个时间步时，在所有测试模型中均实现了更高的身份召回率——并将模拟收敛时间减少了19%（GPT-4o）和58%（GPT-4o mini）。通过将身份视为一种显式的、可检索的知识结构，ID-RAG为开发更具时间连贯性、可解释性和对齐性的生成式智能体提供了一种基础性方法。我们的代码已开源，网址为：https://github.com/flybits/humanai-agents。
引用
@article{arxiv.2509.25299,
title = {ID-RAG: Identity Retrieval-Augmented Generation for Long-Horizon Persona Coherence in Generative Agents},
author = {Daniel Platnick and Mohamed E. Bengueddache and Marjan Alirezaie and Dava J. Newman and Alex ''Sandy'' Pentland and Hossein Rahnama},
journal= {arXiv preprint arXiv:2509.25299},
year = {2025}
}
备注
Accepted to LLAIS 2025: Workshop on LLM-Based Agents for Intelligent Systems, at ECAI 2025, 12 pages, 3 figures