EvolvingWorld：交互式文学世界中角色扮演智能体与世界模型协同演化的开放框架

本文提出EvolvingWorld——一个面向交互式文学世界中角色与世界协同演化的框架与基准。现有系统要么将交互式文学模拟视为静态人格模仿，要么视为孤立的场景生成，未能捕捉角色与世界随时间共同演化的过程。为此，EvolvingWorld将文学模拟建模为一个长程过程：角色在此过程中交互、场景推进，角色状态与世界状态持续更新。与依赖固定模式的先前系统不同，EvolvingWorld采用开放模式框架以支持跨多样文学世界的模拟。该框架由两个耦合模块构成：一个用于多角色扮演与持续人格演化的角色智能体（Character Agent），以及一个基于大语言模型（LLM）的世界模型（World Model），负责全局及地点/实体级状态维护与场景推进。基于此架构，我们设计了7个可训练任务，涵盖场景初始化、交互生成与状态更新。我们从57本书籍构建数据集，生成138,596个监督训练样本与222个测试快照。此外，我们引入了一个轨迹级LLM-as-Judge评估协议，覆盖10个维度与20项指标。实验表明，EvolvingWorld通过有效维持持久、连贯的角色与世界发展，能够提升长程模拟效果。