AI角色扮演正從簡單的“文字對話”向複雜的“沉浸式戲劇”進化。近日，浙江大學聯合騰訊優圖實驗室提出了一種名爲 AdaMARP 的自適應多智能體交互框架。該研究旨在解決當前大語言模型在角色扮演中存在的環境感缺失、敘事僵化等痛點，賦予AI如同“導演”般的場景調度與敘事能力。目前，該成果已被國際學術會議 ACL 2026 接收。

核心痛點：缺失的“環境”與“導演”

在現有的AI角色扮演中，用戶雖能與歷史或小說人物對話，但互動往往侷限於文本交互，場景和角色多爲靜態。以探案場景爲例，傳統的AI系統往往只是一個“會說話的復讀機”，無法根據環境線索（如地毯上的蠟痕）進行推理，也難以處理多角色輪替或場景切換等複雜敘事需求。這種“空對空”的模式導致用戶難以獲得真正的真實感與敘事張力。

AdaMARP框架：四通道消息與動態調度

爲了打破僵局，研究團隊設計了全新的交互邏輯。首先，AdaMARP 引入了“四通道消息格式”，將每一輪交互拆解爲“思考（Thought）—動作（Action）—環境（Environment）—言語（Speech）”。在這種模式下，AI不再只是輸出臺詞，而是能交織呈現環境的氛圍（如煤氣燈搖曳）、內心的考量以及肢體語言，形成一條完整的因果鏈。

其次，該框架引入了“場景管理器（Scene Manager）”角色，充當整個敘事的“導演”。它具備五種核心能力：初始化場景、選擇發言者、切換場景、動態引入新角色以及結束互動。這意味着AI系統可以自主決定何時從案發現場轉移到證人家中，或者何時讓一名新的嫌疑人“推門而入”。

訓練與評測：從文學提取到仿真模擬

爲了讓AI真正掌握“演技”與“導戲”能力，研究團隊構建了高質量的數據集 AdaRPSet 和 AdaSMSet。這些數據不僅包含從 81 本經典文學作品中提取的深度人設與互動軌跡，還涵蓋了 20 類不同主題的合成情節，確保模型在學習文學質感的同時，也能掌握動態調度的邏輯。

此外，團隊還推出了配套的評測框架 AdaptiveBench。與傳統的單輪對話評估不同，該框架從軌跡級別對模型進行打分，重點考察角色一致性、環境感知力以及敘事推進的自然度，從而全方位衡量AI在複雜長文本互動中的表現。

這一框架的提出，爲探案推理、冒險敘事等深度沉浸式交互場景提供了新的技術路徑。通過環境與敘事邏輯的深度耦合，AI正從一個單純的聊天助手，向具備高階創作意識的數字化演繹者演進。