精选理由
角色扮演智能体长期对话中的记忆与个性保持是行业难题，DualMem 的分离式记忆设计为开发者提供了可落地的解决方案，做虚拟角色或对话系统的团队值得关注。
现有角色扮演智能体在长期对话中因上下文窗口限制而依赖外部记忆，但传统记忆框架仅记录事实，缺乏角色个性解读，导致回复泛化、角色一致性差。为此，研究者提出 RoleMemo 数据集，包含四个推理任务，要求智能体通过角色视角解读事实片段。同时提出 DualMem 框架，将记忆解耦为事实认知和角色条件洞察两个流，通过监督微调和强化学习训练。4B 参数的 DualMem 模型在角色一致性上超越了基于 DeepSeek-V3.2 的零样本框架。相关资源已在 GitHub 开源。
AI 翻译 · 中文
现有角色扮演智能体在长期对话中因上下文窗口限制而依赖外部记忆，但传统记忆框架仅记录事实，缺乏角色个性解读，导致回复泛化、角色一致性差。为此，研究者提出 RoleMemo 数据集，包含四个推理任务，要求智能体通过角色视角解读事实片段。同时提出 DualMem 框架，将记忆解耦为事实认知和角色条件洞察两个流，通过监督微调和强化学习训练。4B 参数的 DualMem 模型在角色一致性上超越了基于 DeepSeek-V3.2 的零样本框架。相关资源已在 GitHub 开源。
While role-playing agents excel in short-term interactions, long-term conversations overwhelm context windows, motivating external memory frameworks. Current systems typically rely on persona-agnostic summarization, whic…