AI角色扮演正从简单的“文字对话”向复杂的“沉浸式戏剧”进化。近日，浙江大学联合腾讯优图实验室提出了一种名为 AdaMARP 的自适应多智能体交互框架。该研究旨在解决当前大语言模型在角色扮演中存在的环境感缺失、叙事僵化等痛点，赋予AI如同“导演”般的场景调度与叙事能力。目前，该成果已被国际学术会议 ACL 2026 接收。
一、核心痛点：缺失的“环境”与“导演”
在现有的AI角色扮演中，用户虽能与历史或小说人物对话，但互动往往局限于文本交互，场景和角色多为静态。以探案场景为例，传统的AI系统往往只是一个“会说话的复读机”，无法根据环境线索（如地毯上的蜡痕）进行推理，也难以处理多角色轮替或场景切换等复杂叙事需求。这种“空对空”的模式导致用户难以获得真正的真实感与叙事张力。
二、AdaMARP框架：四通道消息与动态调度
为了打破僵局，研究团队设计了全新的交互逻辑。首先，AdaMARP 引入了“四通道消息格式”，将每一轮交互拆解为“思考（Thought）—动作（Action）—环境（Environment）—言语（Speech）”。在这种模式下，AI不再只是输出台词，而是能交织呈现环境的氛围（如煤气灯摇曳）、内心的考量以及肢体语言，形成一条完整的因果链。
其次，该框架引入了“场景管理器（Scene Manager）”角色，充当整个叙事的“导演”。它具备五种核心能力：初始化场景、选择发言者、切换场景、动态引入新角色以及结束互动。这意味着AI系统可以自主决定何时从案发现场转移到证人家中，或者何时让一名新的嫌疑人“推门而入”。
三、训练与评测：从文学提取到仿真模拟
为了让AI真正掌握“演技”与“导戏”能力，研究团队构建了高质量的数据集 AdaRPSet 和 AdaSMSet。这些数据不仅包含从 81 本经典文学作品中提取的深度人设与互动轨迹，还涵盖了 20 类不同主题的合成情节，确保模型在学习文学质感的同时，也能掌握动态调度的逻辑。
此外，团队还推出了配套的评测框架 AdaptiveBench。与传统的单轮对话评估不同，该框架从轨迹级别对模型进行打分，重点考察角色一致性、环境感知力以及叙事推进的自然度，从而全方位衡量AI在复杂长文本互动中的表现。
这一框架的提出，为探案推理、冒险叙事等深度沉浸式交互场景提供了新的技术路径。通过环境与叙事逻辑的深度耦合，AI正从一个单纯的聊天助手，向具备高阶创作意识的数字化演绎者演进。
