标签
本文提出了一个模块化的多智能体平台，用于对角色扮演语言智能体进行对抗性压力测试，通过策略驱动的审讯智能体和自动化评判智能体，揭示多轮对话中累积的行为失败。跨三个人设和三类LLM家族的实验表明，多策略对抗评估将鲁棒性得分降低0.17-0.20，并识别出常见的失败模式，且与人类评判高度一致。
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。
HumanLLM 提出了一个框架，通过将心理模式建模为相互作用的因果力来对大语言模型的拟人化进行基准测试和改进。该方法从学术文献中构建了244个心理模式和11,359个多模式场景。研究表明，真正的人类对齐需要认知建模而非表面行为模拟，HumanLLM-8B 在多模式动态上的表现超越了 Qwen3-32B 等更大的模型。