基于 LLM 角色扮演语言代理的 Test-Time-Matching：解耦人格、记忆与语言风格
计算与语言
2025-07-24 v2
摘要
大型语言模型（LLM）的快速发展使角色扮演语言代理在各种应用中展现出巨大的潜力。然而，仅依赖提示和上下文输入往往难以实现对特定角色（尤其是著名的虚构人物或公共人物）的深度沉浸。另一方面，基于微调的方法面临数据收集和所需训练计算资源的限制，从而限制了其更广泛的适用性。为此，我们提出了 Test-Time-Matching（TTM），一种通过测试时扩展和上下文工程实现的无训练角色扮演框架。TTM 使用 LLM 代理自动将角色特征解耦为人格、记忆和语言风格三个方面。我们的框架涉及一个结构化的三阶段生成管道，利用这些特征进行受控角色扮演。它实现了高保真的角色扮演性能，也可实现跨越 diverse 语言风格，甚至在人格和记忆方面的变体的无缝组合。我们通过人类评估来评估我们的框架，结果表明该方法在生成富有表现力和风格一致的角色对话方面实现了卓越的性能。
引用
@article{arxiv.2507.16799,
title = {Test-Time-Matching: Decouple Personality, Memory, and Linguistic Style in LLM-based Role-Playing Language Agent},
author = {Xiaoyu Zhan and Xinyu Fu and Hao Sun and Yuanqi Li and Jie Guo and Yanwen Guo},
journal= {arXiv preprint arXiv:2507.16799},
year = {2025}
}