BOOKMARKS : Mémoire active efficace de scénario pour le jeu de rôle

Résumé

Les systèmes de mémoire sont essentiels pour que les agents de jeu de rôle (RPA) maintiennent une cohérence à long terme. Cependant, les méthodes existantes de mémoire pour RPA (par exemple, le profilage) reposent principalement sur un résumé récurrent, dont la compression élimine inévitablement des détails importants. Pour résoudre ce problème, nous proposons un cadre de mémoire basé sur la recherche appelé BOOKMARKS, qui initialise, maintient et met à jour activement des éléments de signets pertinents pour la tâche en cours (par exemple, l'interprétation d'un personnage). Un signet est structuré comme la réponse à une question à un point spécifique de l'intrigue. Pour chaque tâche en cours, BOOKMARKS sélectionne des signets existants réutilisables ou en initialise de nouveaux (au début de l'intrigue) avec des questions utiles. Ces signets sont ensuite synchronisés avec le point actuel de l'histoire, leurs réponses étant mises à jour en conséquence, afin qu'ils puissent être efficacement réutilisés lors de futurs cycles d'ancrage. Comparé au résumé récurrent, BOOKMARKS offre (1) un ancrage actif pour capturer les détails spécifiques à la tâche et (2) une mise à jour passive pour éviter les calculs inutiles. Dans l'implémentation, BOOKMARKS prend en charge les recherches de concepts, de comportements et d'états, chacune étant alimentée par une méthode de synchronisation efficace. BOOKMARKS surpasse significativement les bases de référence de mémoire pour RPA sur 85 personnages issus de 16 artéfacts, démontrant l'efficacité de la mémoire basée sur la recherche pour les RPA.

English

Memory systems are critical for role-playing agents (RPAs) to maintain long-horizon consistency. However, existing RPA memory methods (e.g., profiling) mainly rely on recurrent summarization, whose compression inevitably discards important details. To address this issue, we propose a search-based memory framework called BOOKMARKS, which actively initializes, maintains, and updates task-relevant pieces of bookmarks for the current task (e.g., character acting). A bookmark is structured as the answer to a question at a specific point in the storyline. For each current task, BOOKMARKS selects reusable existing bookmarks or initializes new ones (at storyline beginning) with useful questions. These bookmarks are then synchronized to the current story point, with their answers updated accordingly, so they can be efficiently reused in future grounding rounds. Compared with recurrent summarization, BOOKMARKS offers (1) active grounding for capturing task-specific details and (2) passive updating to avoid unnecessary computation. In implementation, BOOKMARKS supports concept, behavior, and state searches, each powered by an efficient synchronization method. BOOKMARKS significantly outperforms RPA memory baselines on 85 characters from 16 artifacts, demonstrating the effectiveness of search-based memory for RPAs.