EvolvingWorld: An Open-Schema Framework for Co-Evolving Role-Play Agents and World Model in Interactive Literary World
Qing Zong, Yue Guo, Mengxin Yang, Yiwen Guo, Yangqiu Song
cs.CL
2026-07-19
EvolvingWorld 把交互式文学世界建模成长程过程，用开放 schema 让角色画像和世界状态随交互持续更新，配合角色 agent 和世界模型两个模块、7 个可训练任务，在长程一致性上压过静态人设模仿的基线。
交互式小说、互动叙事里的角色扮演 agent，老做法有两种。一种是静态人设模仿，给角色贴一堆固定标签然后照着说话，角色从头到尾一个样。另一种是孤立的场景生成，每一段场景单独造，段和段之间接不上。这两种都漏了小说最关键的东西：角色和世界是随时间一起变的。角色会改信念、改动机、改关系，地点、物件、背景条件也在动。EvolvingWorld 要把这个长程的共同演化做出来。
框架是开放 schema（open-schema），不强迫所有角色的画像塞进固定字段，因为不同书里角色的维度本来就不同。每个角色用开放画像加一个 hidden tracker，把那些弱的、刚冒头的证据单独存着，等证据够了才更新画像，避免被噪声带偏。
两个耦合模块。角色 agent 负责多角色扮演和持久画像演化；基于 LLM 的世界模型负责维护全局状态、地点和实体级状态，推动场景前进。
执行顺序上有 7 个可训练任务：scenecast 选参与角色，locationscenario 定地点和场景，motivationupdate 给每个角色准备本场景的动机，nextcharacter 选当前行动的角色，interactiongen 生成台词、心理或动作，worldupdate 更新全局和地点状态，characterupdate 收尾改角色状态。数据从 57 本书构造，产出 138,596 条监督样本和 222 个测试快照。
评测用轨迹级的 LLM-as-Judge，覆盖 10 个维度、20 个指标。角色 agent 有 6 个维度（一致性、演化质量、环境贴合、交互质量、动机生成、指令服从），世界模型有 4 个（场景规划、发言者管理、状态维护、指令服从）。
主要的对照是 BookWorld：它只更新预定义字段，没有实体级世界更新。EvolvingWorld 在角色 agent 和世界模型的平均分上都更高，尤其在角色演化的几个指标（PUF、PES、MQ）和长程场景连续性上拉开差距。最说明问题的是随轨迹变长的表现：BookWorld 会退化，EvolvingWorld 不仅稳住，画像演化平滑度（PES）这条甚至会随轨迹变长而变好。
对做角色扮演、互动叙事、游戏 NPC 的人，这篇指出了一个被忽视的维度：长程一致性比单轮像不像更重要。开放 schema 的设计很务实，不假设所有角色长一个样。把角色和世界建模成耦合演化，而不是各管各的，是它能稳住长程的关键。
世界状态是单一客观的，所有角色共享一份，没有主观感知和不完美记忆这种更真实的设定。世界表示受 LLM 上下文长度限制，每个地点只能记「重要实体」，长篇里会丢东西。基准只用公有领域的经典文学，现代小说、游戏、UGC 都没碰，泛化到当代内容没验证。评测主要靠 LLM-as-Judge，20 个指标里有不少本身也是模型打分，和人工的一致性论文没充分讨论。