BOOKMARKS: 用于角色扮演的高效主动剧情记忆

Hugging Face Daily Papers 论文
memory-systems role-playing-agents search-based-memory bookmarks paper

摘要

BOOKMARKS是一种基于搜索的记忆框架，用于角色扮演代理，通过结构化书签主动维护与任务相关的故事细节，性能优于现有的循环摘要方法。

记忆系统对于角色扮演代理（RPA）保持长期一致性至关重要。然而，现有的RPA记忆方法（例如角色画像）主要依赖循环摘要，其压缩过程不可避免地会丢失重要细节。为了解决这个问题，我们提出了一种基于搜索的记忆框架BOOKMARKS，它能够针对当前任务（例如角色表演）主动初始化、维护和更新与任务相关的书签片段。每个书签被结构化为对剧情线中特定时间点问题的回答。对于每个当前任务，BOOKMARKS选择可复用的现有书签，或在剧情线起始处初始化带有有用问题的新书签。然后，这些书签会被同步到当前剧情点，其答案也会相应更新，从而在未来的关联轮次中被高效复用。与循环摘要相比，BOOKMARKS提供了（1）主动关联以捕获任务特定细节，以及（2）被动更新以避免不必要的计算。在实现上，BOOKMARKS支持概念、行为和状态搜索，每种搜索均由高效的同步方法驱动。在来自16个作品的85个角色上，BOOKMARKS显著优于RPA记忆基线，证明了基于搜索的记忆对于RPA的有效性。
查看原文
查看缓存全文

缓存时间: 2026/05/15 04:24

论文页面 - BOOKMARKS: 高效的主动故事线记忆用于角色扮演

来源：https://huggingface.co/papers/2605.14169

摘要

BOOKMARKS 是一个基于搜索的记忆框架，通过结构化的书签主动管理任务相关信息，捕捉详细角色行为和故事元素，从而改进角色扮演代理。

记忆系统 (https://huggingface.co/papers?q=Memory%20systems) 对于角色扮演代理 (https://huggingface.co/papers?q=role-playing%20agents) (RPA) 维持长程一致性至关重要。然而，现有的 RPA 记忆方法（例如，角色画像）主要依赖循环摘要 (https://huggingface.co/papers?q=recurrent%20summarization)，其压缩过程不可避免地丢弃重要细节。为解决此问题，我们提出一个名为 BOOKMARKS (https://huggingface.co/papers?q=BOOKMARKS) 的基于搜索的记忆框架 (https://huggingface.co/papers?q=search-based%20memory)，该框架针对当前任务（例如，角色扮演）主动初始化、维护和更新任务相关片段 (https://huggingface.co/papers?q=task-relevant%20pieces) 的书签 (https://huggingface.co/papers?q=bookmarks)。一个书签被结构化为在故事线特定时间点上对一个问题的回答。对于每个当前任务，BOOKMARKS (https://huggingface.co/papers?q=BOOKMARKS) 选择可复用的现有书签 (https://huggingface.co/papers?q=bookmarks) 或初始化新的书签（在故事开头）并附带有用的问题。这些书签 (https://huggingface.co/papers?q=bookmarks) 随后同步到当前故事点，其答案相应更新，从而可在未来的基础 (https://huggingface.co/papers?q=grounding) 轮次中高效复用。与循环摘要 (https://huggingface.co/papers?q=recurrent%20summarization) 相比，BOOKMARKS (https://huggingface.co/papers?q=BOOKMARKS) 提供 (1) 主动基础 (https://huggingface.co/papers?q=grounding) 以捕获任务特定细节，以及 (2) 被动更新以避免不必要的计算。在实现上，BOOKMARKS (https://huggingface.co/papers?q=BOOKMARKS) 支持概念、行为和状态搜索 (https://huggingface.co/papers?q=state%20search)，每种搜索均由高效的同步 (https://huggingface.co/papers?q=synchronization) 方法驱动。BOOKMARKS (https://huggingface.co/papers?q=BOOKMARKS) 在来自 16 个作品的 85 个角色上显著优于 RPA 记忆基线，证明了基于搜索的记忆 (https://huggingface.co/papers?q=search-based%20memory) 对于 RPA 的有效性。

查看 arXiv 页面 (https://arxiv.org/abs/2605.14169) 查看 PDF (https://arxiv.org/pdf/2605.14169) GitHub3 (https://github.com/KomeijiForce/BOOKMARKS_Koishiday_2026) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.14169)

在你的代理中获取此论文：

hf papers read 2605.14169

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.14169 以从该页面链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.14169 以从该页面链接。

引用此论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2605.14169 以从该页面链接。

包含此论文的收藏0

没有收藏包含此论文

请将此论文添加到收藏 (https://huggingface.co/new-collection) 以从该页面链接。

相似文章