BOOKMARKS: Memória de Enredo Ativa e Eficiente para Role-playing

Resumo

Sistemas de memória são essenciais para que agentes de interpretação de papéis (RPAs) mantenham consistência de longo horizonte. No entanto, os métodos existentes de memória para RPAs (como a criação de perfis) dependem principalmente de sumarização recorrente, cuja compressão inevitavelmente descarta detalhes importantes. Para abordar essa questão, propomos um framework de memória baseado em busca chamado BOOKMARKS, que inicializa, mantém e atualiza ativamente trechos de bookmarks relevantes para a tarefa atual (por exemplo, atuação do personagem). Um bookmark é estruturado como a resposta a uma pergunta em um ponto específico da linha narrativa. Para cada tarefa atual, o BOOKMARKS seleciona bookmarks existentes reutilizáveis ou inicializa novos (no início da linha narrativa) com perguntas úteis. Esses bookmarks são então sincronizados ao ponto atual da história, com suas respostas atualizadas em conformidade, de modo que possam ser reutilizados eficientemente em futuras rodadas de ancoragem. Em comparação com a sumarização recorrente, o BOOKMARKS oferece: (1) ancoragem ativa para capturar detalhes específicos da tarefa e (2) atualização passiva para evitar cálculos desnecessários. Na implementação, o BOOKMARKS suporta buscas por conceito, comportamento e estado, cada uma delas alimentada por um método eficiente de sincronização. O BOOKMARKS supera significativamente as linhas de base de memória para RPAs em 85 personagens de 16 artefatos, demonstrando a eficácia da memória baseada em busca para RPAs.

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.