ACTOR 用时间化行为轨迹与偏好数据训练角色行为推断。
资讯摘要
论文提出 ACTOR 框架，从原始小说文本中抽取对话与角色相关的非对话行为，用 Thought-Action-Observation 结构表示，并按故事内部时间顺序组织行为轨迹。作者基于 143 部文学作品构建行为数据集，为每个源行为生成符合语境但不符合角色人格的反事实行为，并用 Regularized Preference Optimization（RPO）训练模型。在 17,560 个四选一后续行为选择评测实例上，作者报告该模型准确率明显提升。
要点速读
- ACTOR 从 143 部文学作品中抽取对话与角色相关非对话行为，按故事内部时间顺序组织轨迹。
- 作者为每个源行为生成语境合理但不符合角色人格的反事实行为，并用 RPO 联合优化行为偏好与生成。
- 在 17,560 个四选一后续行为选择实例上，作者报告训练后模型准确率明显提升。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。