Living Novel：从小说生成自训练时间线感知对话智能体的系统
人机交互
2025-12-09 v1 计算与语言
摘要
我们提出了 Living Novel，一个将任何文学作品转化为沉浸式、多角色对话体验的端到端系统。该系统旨在解决 LLM 驱动角色面临的两个基本挑战。首先，通用 LLM 遭受人设漂移，经常无法保持角色特征。其次，智能体常常表现出超出故事世界和逻辑约束的能力，导致叙事不连贯（剧透泄露）和鲁棒性失败（框架破坏）。为应对这些挑战，我们引入了一种新颖的两阶段训练流水线。我们的深度人设对齐（DPA）阶段使用无数据强化微调来灌输深度角色保真度。我们的连贯性与鲁棒性增强（CRE）阶段随后采用故事时间感知知识图谱和第二次检索引导的训练传递，从架构上强制执行这些叙事约束。我们通过使用儒勒·凡尔纳的《海底两万里》进行多阶段评估来验证系统。对系统组件进行详细消融的实验室研究随后进行了为期 5 天的野外日记研究。我们的 DPA 流水线使专门模型在人物特定指标上优于 GPT-4o，而我们的 CRE 阶段在连贯性和鲁棒性度量上达到了接近完美的性能。我们的研究揭示了 AI 驱动叙事系统的实用设计指南：我们发现以角色为先的自训练是可信度的基础，而显式的故事时间约束对于维持连贯、抗中断的移动 Web 体验至关重要。
引用
@article{arxiv.2512.07474,
title = {Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels},
author = {Yifei Huang and Tianyu Yan and Sitong Gong and Xiwei Gao and Caixin Kang and Ruicong Liu and Huchuan Lu and Bo Zheng},
journal= {arXiv preprint arXiv:2512.07474},
year = {2025}
}