沉浸式角色扮演框架测评：告别机器人感的AI交互新方案

AI角色扮演正从基础对话向具备复杂叙事架构的沉浸式体验演进。近期，浙江大学与腾讯优图实验室联合提出的自适应多智能体交互框架AdaMARP，精准切入当前大语言模型在角色扮演中的两大瓶颈：环境感知薄弱与叙事线性僵化。该框架通过引入类导演的智能调度机制，显著提升了场景构建与情节推进的动态能力。此项研究已获国际顶级学术会议ACL 2026收录。

核心痛点：缺失的“环境”与“导演”

现有AI角色扮演系统虽能模拟特定角色对话，但交互多局限于静态的文本轮换。场景沦为固定布景，角色行为缺乏环境锚点。以探案场景为例，传统模型难以主动解析环境中的物理线索（如地毯上的特殊蜡痕），更无法协调多角色入场、场景实时迁移等非线性叙事需求。这种脱离环境语境的交互，直接削弱了用户体验的临场感与故事张力。

AdaMARP框架：四通道消息与动态调度

为突破此限制，研究团队重构了交互逻辑内核。AdaMARP首先定义了“四通道消息格式”，将每轮交互分解为一条因果序列：“思考（Thought）—动作（Action）—环境（Environment）—言语（Speech）”。在此结构下，AI的输出不再是孤立台词，而是整合了内在推理、外部行为、环境状态（例如描述煤气灯光影的晃动）及最终对白的完整叙事单元。

框架核心是引入了“场景管理器（Scene Manager）”这一导演角色。它具备五项关键职能：初始化场景、选定发言角色、执行场景切换、动态引入新角色以及终止互动。这使得系统能够自主掌控叙事节奏：决定何时从案发现场切换至证人客厅，或在关键时刻安排新角色介入，从而自然推动剧情发展。

训练与评测：从文学提取到仿真模拟

为训练AI的演绎与调度能力，团队构建了AdaRPSet与AdaSMSet双数据集。前者深度解析81部经典文学作品，提取精细角色设定与交互轨迹；后者合成了覆盖20类主题的仿真情节。数据设计确保了模型既能吸收文学叙事细腻度，又能掌握动态调度的操作逻辑。

评估体系同步升级。团队推出的AdaptiveBench评测框架，摒弃了传统单轮对话质量评估，转向“轨迹级别”的综合度量。该框架重点评估角色行为一致性、环境变化感知灵敏度及叙事推进流畅度，为长程复杂互动提供了多维性能标尺。

AdaMARP框架为探案推理、冒险叙事等依赖深度沉浸的交互场景开辟了新的技术方向。通过深度融合环境感知与叙事逻辑，AI正从被动响应者转变为具备创作意识的数字演绎者。未来的虚拟交互，有望呈现为AI执导的动态戏剧。