AI角色扮演技术正迎来一次重大升级：从初级的文本对话模式，逐步发展为能够驾驭复杂情节的“沉浸式剧场”。近期，浙江大学与腾讯优图实验室联合发布了一项创新研究——AdaMARP自适应多智能体交互框架。该研究精准针对当前大语言模型在角色扮演中的两大瓶颈：环境感知薄弱与叙事模式固化，致力于赋予AI类似“导演”的场景编排与故事推进能力。目前，这项重要成果已获自然语言处理领域顶级会议ACL 2026收录。

关键问题：环境感知缺失与叙事主导力不足

回顾现有的AI角色互动体验，用户虽能与历史人物或虚拟角色对话，但交互往往局限于静态的问答回合。场景沦为固定布景，角色行为缺乏主动性。以侦探推理场景为例，传统AI系统更接近于“具备对话功能的复述工具”。它难以依据场景中分布的细微线索（例如地毯上残留的蜡迹）进行自主推演，更难处理多角色交替出场、场景实时转换等复杂叙事需求。这种缺乏环境融入感的交互方式，最终导致用户体验缺少真正的代入感与情节张力。

AdaMARP框架：四通道消息机制与动态叙事调度

如何突破现有局限？研究团队重构了交互的核心逻辑。首先，AdaMARP设计了一套“四通道消息格式”。简而言之，它将每次交互分解为一条清晰的因果序列：“思考（Thought）—行动（Action）—环境（Environment）—对话（Speech）”。在此机制下，AI的输出不再是一段孤立的对白，而是融合了内心活动、行为描述、环境细节（例如，描述煤油灯光影如何晃动）以及最终发言的完整叙事单元。

其次，框架中引入了一个关键角色——“场景管理器（Scene Manager）”，其功能相当于叙事流程的“总导演”。这位“导演”拥有五项核心权限：初始化场景、选定发言角色、切换场景背景、动态加入新角色以及结束互动。这意味着，整个AI系统能够自主掌控叙事节奏：决定何时从昏暗的案发现场转至证人舒适的起居室，或在剧情关键处，安排一位新嫌疑人“突然”登场，从而推动故事发展。

训练与评估：基于文学素材与情景仿真

要使AI真正掌握“表演”与“执导”能力，离不开高质量的训练数据与科学的评估体系。为此，团队构建了两大核心数据集：AdaRPSet与AdaSMSet。这些数据不仅深度解析了81部经典文学作品，提取出丰富的人物画像与互动模式，还合成了覆盖20类主题的模拟情景。这确保模型既能学习文学作品中细腻的情感表达，又能理解动态叙事的结构逻辑。

仅有训练数据并不足够，如何评价“演出质量”？团队同步推出了配套评估框架AdaptiveBench。与以往只关注单轮对话质量的评价方法不同，这一新框架从更宏观的“剧情轨迹”层面进行模型评分，重点考察角色行为的一致性、对环境变化的响应能力以及叙事推进的流畅度。可以说，它提供了一套多维度指标，用于全面评估AI在长程、复杂互动中的综合表现。

AdaMARP框架的提出，为侦探破案、冒险探索等需要深度沉浸的交互场景，开拓了新的技术方向。通过深度融合环境感知与叙事逻辑，AI正从一个被动的对话工具，演进为具备高级创作意识的数字叙事者。未来的虚拟互动体验，或许真将如同一场由AI执导的沉浸式戏剧。