MemRole 将角色记忆显式用于长程决策，32B 版本报告提升 15.2 分。
资讯摘要
论文提出 MemRole 框架，将角色扮演智能体的“记忆到决策”过程显式化：引入 Long-Horizon Memory Thinking（LHMT）推理模式，把隐藏推理拆为上下文理解、记忆激活与回应策略规划，并在角色限定、时间线约束的记忆池数据上训练；另提出 SR-OPSD 自蒸馏方法。作者报告 MemRole-32B 在记忆支撑的角色扮演上较基座提升 15.2 分，与 GPT-5.4 等前沿模型相当，并在 CroSS-MR 上取得最佳角色动机识别准确率。
要点速读
- 论文提出 LHMT 推理模式，将隐藏推理分解为上下文理解、记忆激活和回应策略规划三部分。
- 训练数据采用角色限定、时间线约束的记忆池，限制每个角色在当前叙事节点可能知道的信息。
- 作者报告 MemRole-32B 在记忆支撑角色扮演上较基座提升 15.2 分，与 GPT-5.4 等前沿模型表现相当，并在 CroSS-MR 上取得最佳角色动机识别准确率。
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。