AIロールプレイは単なる「テキスト対話」から複雑な「没入型ドラマ」へと進化しています。最近、浙江大学と騰訊優圖実験室は、アダマーパー（AdaMARP）と呼ばれる適応的なマルチエージェントインタラクションフレームワークを提案しました。この研究は、現在の大規模言語モデルにおけるロールプレイにおいて存在する環境感の欠如や物語の硬直性などの課題を解決することを目的としており、AIに「演出家」のようなシーンの調整と物語構築の能力をもたらします。現在、この研究成果は国際学術会議ACL 2026に採択されています。

核心的課題：欠けている「環境」と「演出家」

現在のAIロールプレイでは、ユーザーが歴史的人物や小説のキャラクターと対話することはできますが、対話はテキストベースに限定され、場面やキャラクターは多くが静的です。例えば捜査の場面を例にすると、従来のAIシステムは「話すだけの繰り返し機械」であり、床のワックスの跡などの環境からの手がかりに基づいた推論ができず、多役者の交代や場面の変更といった複雑な物語構成にも対応できません。このような「空対空」のスタイルにより、ユーザーは本物の臨場感や物語の張りを体験することが難しいのです。

AdaMARPフレームワーク：4つの通信チャネルと動的な調整

そのような状況を打破するために、研究チームは新たなインタラクティブなロジックを設計しました。まず、AdaMARPは「4つの通信チャネルフォーマット」を導入しており、各ラウンドのインタラクションを「思考（Thought）－行動（Action）－環境（Environment）－言葉（Speech）」に分解します。この方式では、AIは単に台詞を出力するだけでなく、ガスランプの揺らめきなど環境の雰囲気や内心の考慮、身体言語を組み合わせて提示し、因果関係の完全なチェーンを形成します。

また、このフレームワークには「シーンマネージャー（Scene Manager）」という役割が導入されており、物語全体の「演出家」として機能します。この役割には5つの主要な能力があります：シーンの初期化、発言者を選定、シーンの切り替え、新しいキャラクターの動的な導入、およびインタラクションの終了。これにより、AIシステムは、犯人現場から証人の家への移動や、新たな容疑者がドアを開けて入ってくるタイミングを自主的に決定できるようになります。

トレーニングと評価：文学からの抽出からシミュレーションまで

AIが本格的な「演技力」と「演出力」を獲得するため、研究チームは高品質なデータセット AdaRPSet と AdaSMSet を構築しました。これらのデータは、81冊の古典文学作品から抽出された深い人物設定と対話軌跡だけでなく、20種類の異なるテーマを持つ合成シナリオも含んでおり、モデルが文学的な質を学ぶだけでなく、動的な調整ロジックも習得できるようにしています。

さらに、チームは対応する評価フレームワークであるAdaptiveBenchも開発しました。従来の単一ラウンドの対話評価とは異なり、このフレームワークはトラジェクトリーレベルでモデルを評価し、キャラクターの一貫性、環境の認識力、物語の進行の自然さを重点的に評価することで、AIが複雑な長文インタラクションにおいてどの程度のパフォーマンスを発揮しているかを包括的に測定します。