证据攒够了，角色才变
让大模型扮演小说人物，这件事听起来已经做烂了：给一个角色卡片，对话，模仿语气。但现存系统的病是一样的——角色设定一锤定音。剧情演到第十章，林黛玉还是开场的那个林黛玉；故事里烧掉的房子，下一幕还立在那里。论文里管这叫静态人设模仿：模型在复读角色，不在扮演角色。
证据攒够了，角色才变
让大模型扮演小说人物，这件事听起来已经做烂了：给一个角色卡片，对话，模仿语气。但现存系统的病是一样的——角色设定一锤定音。剧情演到第十章，林黛玉还是开场的那个林黛玉；故事里烧掉的房子，下一幕还立在那里。论文里管这叫静态人设模仿：模型在复读角色，不在扮演角色。
香港科技大学的一支团队（与 LIGHTSPEED、华中科技大学及独立研究员合作）把这个问题重新定义了一下：交互式文学世界的仿真，不该是复刻原著里的一段段场景，而是一个长周期过程——角色在互动里变化，世界在事件里变化，两边还得对得上。他们把这套想法做成了完整的框架加基准，叫 EvolvingWorld。
角色这一侧：快慢要分开
真实的人物是怎么变的？情绪当天就能变，人格得用年攒。EvolvingWorld 给角色智能体设计了一套多时间尺度的演化机制，核心是一个隐藏追踪器。
它的工作方式是：角色轮廓的每个维度（情绪、关系、人格……）各有自己的「变化性」参数。交互中出现的微弱信号——一句反常的话、一个犹豫的动作——不会直接改写人设，而是先存进隐藏追踪器，作为弱证据单独累积。攒够了，证据足够强了，才触发一次正式的状态更新。
这个设计朴素得近乎常识，却恰好是此前系统普遍缺失的东西：要么一刀不许变（角色永远静态），要么太容易被一句话带偏（昨天说了一架，今天人设里就多了「性格暴戾」）。区分「一次波动」和「一个趋势」，靠的正是把证据分两级存放。
角色维度本身也是开放的：不预设「每个角色必须有性格/目标/关系三类属性」的固定模板，而是让模型根据书的类型和背景自己决定该追踪什么维度，甚至允许环境、角色群作为特殊的交互单元——写群像戏时这很必要。
世界这一侧：房子里有房间
另一个耦合模块是 LLM 世界模型。它同时维护两层状态：全局设定（历史背景、社会制度）和位置级的物理状态。位置可以嵌套——一栋房子里套着各个房间，屋外的道路是独立的原子位置；每个位置存着详细描述，还追踪所有重要的非角色实体及其状态，论文里的例子是「圣诞树立在旁边」。
关键在更新方式：所有状态都随角色互动自动演化，不需要手动搭沙箱。换一本完全不同构造的书——从红楼到星际——框架照用。这和角色侧的开放模式是同一条原则：结构由内容自己长出来，不由框架预先规定。
把整个流程拆成七份作业
要让这一切可训练，团队把完整仿真流程拆解成七个可监督任务：选角（世界模型从全角色集合里挑出场人物）、定场景（选地点、定情境）、动机更新（每个参与者带着场景专属动机上场），再到交互生成和状态更新。数据集从 57 本书中构建，产出 138,596 个监督训练样本和 222 个测试快照，仓库已开源于 github.com/HKUST-KnowComp/EvolvingWorld。
评估是这套工作里我最欣赏的部分：轨迹级的 LLM-as-Judge 协议，横跨 10 个维度、20 个指标。它衡量的不是单场景演得像不像，而是长跑之后故事是否还连贯、角色是否还是那个人、世界是否还记得发生过什么。
结果一句话：在 Qwen-7B 和 Llama-8B 上，用 EvolvingWorld 数据训练的智能体大幅超过此前最好的角色扮演基线（CoSER 和 Crab），长周期仿真里常见的性能衰减被明显压低。论文里有个判断值得单独抄下来：长周期角色扮演需要的不是更好的对话模仿，而是对角色与世界状态耦合演化的建模。
尾声
回头看，这套框架里最聪明的部件反倒是那个最不起眼的隐藏追踪器：它承认不是每句话都算数，让弱证据先安静地攒着，攒够了才动手。这几乎就是小说家处理伏笔的方式——写下的那一刻不动声色，揭晓要等到它自己成熟。
*信源：EvolvingWorld: An Open-Schema Framework for Co-Evolving Role-Play Agents and World Model in Interactive Literary World（arXiv:2607.17250，2026-07-19，Qing Zong/Yue Guo/Mengxin Yang/Yiwen Guo/Yangqiu Song，香港科技大学+LIGHTSPEED+华中科技大学+独立研究员）；基准=57 本书、138,596 训练样本、222 测试快照；评估=轨迹级 LLM-as-Judge、10 维度 20 指标；基线含 CoSER、Crab；文中机制描述取自其摘要与第 2-3 节。*