上海，2025年3月17日 – 近年来，随着大语言模型（LLM）技术的飞速发展，角色扮演 AI（Role-Playing Language Agents，RPLAs）作为其重要应用，正受到越来越多的关注。无论是情感陪伴、故事创作、游戏角色，还是数字分身，RPLAs 都需要精准捕捉和模拟特定角色的设定、个性和行为模式。然而，高质量数据集的匮乏和有效评估方法的缺失，一直是制约其发展的两大瓶颈。
近日，复旦大学与阶跃星辰联合发布了一项突破性研究成果——CoSER（Coordinating LLM-Based Persona Simulation of Established Roles）。该研究构建了一个包含当下最大的真实数据集、SoTA 开源模型和最深入的评估方法的完整框架，旨在高效构建和评估角色扮演 AI。
该研究由复旦大学博士生王鑫涛主导，他在肖仰华、汪卫教授的指导下，致力于探索用 AI 创造具有人格的数字生命。王鑫涛表示：“我们的研究寻求 AI 技术与人类情感需求的结合，希望能够为角色扮演 AI 的发展贡献一份力量。”
CoSER Dataset：前所未有的真实与全面
CoSER Dataset 从世界最知名的 771 本书中提取数据，构建了迄今为止最大、最真实、最丰富的角色扮演数据集，包含：
- 来自 771 本知名文学作品的 17,966 个角色
- 29,798 段书中的真实对话，而非由大模型生成
- 全面的数据类型：角色概述、对话（包含详细的上下文情景）、关键剧情的摘要和角色经历等
- 语言、动作和想法：除了语言的对白，对话中还包括角色的动作和想法
CoSER Dataset 的独特之处在于其真实性、全面性和多维表达。不同于以往数据集中大量使用的 LLM 生成的角色问答对，CoSER 数据集从经典文学作品中提取真实角色对话，在忠实刻画角色的同时，保留了真实对话的复杂性。此外，数据集不仅包含角色概述和对话，还包括剧情摘要、角色经历和对话背景等丰富内容，使角色表现更为立体。更值得一提的是，CoSER 将环境视为特殊角色，扩展了角色对话能表达的信息，使对话数据可以表示书中的环境反馈、大众角色反应等信息。
Given-Circumstance Acting：受斯坦尼斯拉夫斯基启发的训练与评估方法
该研究引入了给定情境表演（Given-Circumstance Acting，GCA）方法用于训练和评估 LLM 的角色扮演能力，这一方法受到了《演员的自我修养》的作者 – 斯坦尼斯拉夫斯基 – 的表演理论的启发。
在训练阶段，给定一段对话及其上下文情景，研究人员让模型每次扮演对话中的一个角色，并在相应的台词上进行训练。基于这一方法，他们训练了 CoSER 8B 和 CoSER 70B 两个模型，它们基于 LLaMA-3.1 构建，展现了真实、生动的角色表现能力，并在多项角色扮演评估上取得 SoTA 成绩。
在评估阶段，GCA 评估由两个步骤组成：
- 多智能体模拟（Multi-agent Simulation）： 构建一个多智能体系统，让被评估模型依次扮演不同角色，在给定情境下进行模拟，获得一段由多个角色 AI 交互生成的对话。
- 基于惩罚的 LLM 评判（Penalty-based LLM Juding）： 让 LLM 扮演评判者，使用详细评分标准（rubrics）和原始对话作为参考，按照 “采点扣分制” 识别明确的表演缺陷来评估模拟对话的质量。
开源共享，助力角色扮演 AI 发展
为了促进角色扮演 AI 在研究和应用中的发展，该研究的代码、数据集和模型已在 Github 和 Huggingface 上开源。
- CoSER 8B: https://huggingface.co/Neph0s/CoSER-Llama-3.1-8B
- CoSER 70B: https://huggingface.co/Neph0s/CoSER-Llama-3.1-70B
- CoSER Dataset: https://huggingface.co/datasets/Neph0s/CoSER
- CoSER Code: https://github.com/Neph0s/COSER
此外，研究团队还推出了一个在线体验平台，用户可以在平台上与自己喜欢的书中的角色进行互动：https://ch.rhineai.com/characters
CoSER 的发布，无疑为角色扮演 AI 的发展注入了新的活力。相信在不久的将来，我们将看到更多基于 CoSER 的创新应用，为人们带来更加丰富多彩的 AI 体验。
参考文献
- CoSER: Coordinating LLM-Based Persona Simulation of Established Roles. (2025). Retrieved from https://arxiv.org/abs/2502.09082
Views: 0