arXiv · cs.CL· Y. L. Li·· 1 天前精选AI 评分56
有界递归自我改进框架用于长程角色扮演对话，坏回复率从14.00%降至4.94%
Recursive Self-Improvement for Long-Horizon Role-Playing Dialogue
来源与原文
arXiv · cs.CL
作者：Y. L. Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07469v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出一个有界递归自我改进（RSI）框架，用于修订原创角色记忆、稳定人格指令和逐轮提示词构建策略，修复结果还会反馈到更新器的诊断规则、编辑路由与候选选择。内部评测覆盖50个原创角色和5个模型，每个角色-模型组合进行两轮100轮对话，合并回复的坏回复率从14.00%（6,973/49,824）降至4.94%（2,459/49,793），相对下降64.71%。在600次盲测人工对比中，RSI获得294胜、187平、119负，在分出胜负的判断中胜率为71.19%。
推荐理由
论文给出了有界递归自我改进框架在角色扮演对话上的坏回复率前后对比与盲测胜率，读者可据此判断这套人格与记忆修订流程的实际收益。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。