Проблема статичности в ролевых агентах
Современные ролевые LLM-агенты (RPAs) часто страдают от потери контекста. Они опираются на статичные описания персонажей и неструктурированную память, что приводит к разрывам в логике повествования и несоответствию характера в долгосрочной перспективе. Исследователи из команды Zhihao Xiao и коллег решили эту проблему, внедрив когнитивную модель ABC (Activating Event-Belief-Consequence).
Архитектура Event-aware Memory Graph (EMG)
Ключевое нововведение DREAM — преобразование неструктурированного текста в Event-aware Memory Graph (EMG). Эта структура организует опыт персонажа в виде графа событий, где узлы связаны временными и причинно-следственными отношениями. Такой подход позволяет создавать динамические профили двойной гранулярности: система фиксирует как стабильные черты личности, так и эволюцию поведения под влиянием конкретных событий.
Новый бенчмарк TCM
Для оценки качества долгосрочной согласованности авторы разработали специализированный набор данных Temporal Causal Memory (TCM). Он измеряет способность модели поддерживать причинно-следственную связность повествования на больших дистанциях, что критично для сложных сценариев отыгрыша ролей.
Результаты и признание
Метод DREAM показал state-of-the-art результаты в сравнении с сильными базовыми моделями. Архитектура превосходит аналоги в бенчмарках CoSER и LIFECHOICE, а также демонстрирует лидерство в новом наборе TCM. Работа принята к публикации на конференции KDD 2026 (16 страниц, 5 рисунков), что подтверждает значимость подхода для сообщества AI.
| Метрика / Бенчмарк | Результат DREAM | Значение |
|---|---|---|
| CoSER | State-of-the-art | Превосходство над сильными базовыми моделями |
| LIFECHOICE | State-of-the-art | Улучшенная согласованность выбора персонажа |
| TCM (Temporal Causal Memory) | State-of-the-art | Новый стандарт оценки причинно-следственной логики |
Почему это важно
DREAM доказывает, что структурированная память на основе графов событий повышает интерпретируемость и консистентность LLM-агентов. Это открывает путь к созданию более глубоких и реалистичных виртуальных собеседников, способных вести связный диалог на протяжении сотен и тысяч реплик.
Источник: arXiv cs.CL ↗