智能NPC记忆、推理与情感

本课题面向下一代沉浸式 NPC，研究具备记忆、推理与情感机制认知的角色扮演大模型及其运行时 harness 系统。研究重点包括：

1. 01

   原生记忆 / 情感 / 推理增强的角色扮演大模型 探索面向沉浸式 NPC 的模型架构、数据合成和训练算法，使模型不仅能模仿角色语气，还能理解长期记忆如何影响当前反应、情感状态如何改变表达方式、角色目标与世界规则如何共同约束行为。研究内容包括世界观 / 记忆 / 情感联合建模、角色扮演数据合成、推理轨迹构造与Agentic RL、偏好对齐、OPD等。

2. 02

   Agent 情感 Harness 系统研究 构建面向游戏 NPC 的情感状态建模与调度系统，使 NPC 能根据玩家行为、剧情事件、关系变化和环境刺激产生稳定、可解释、可调控的情感变化。通过系统设计与模型训练协同实现情感状态表示、情绪转移机制、情感与语言 / 行为生成的耦合、情感记忆沉淀、情绪强度控制、设计师可编辑情感规则，以及情感一致性评测。

3. 03

   Agent 记忆 Harness 系统研究 构建支持长期交互的高拟人 NPC 记忆系统，使 NPC 能在多轮、多天甚至跨版本交互中持续记住关键事件、玩家偏好、关系变化和剧情进展，并在合适时机自然调用。重点研究长期记忆抽取压缩、情节化记忆组织、角色视角记忆、关系记忆、记忆检索与遗忘、记忆冲突仲裁相关的系统与模型。

【基本素质】

1. 01

   具备计算机科学、人工智能、自然语言处理、机器学习、认知科学、游戏 AI 等相关背景，硕士或博士优先。

2. 02

   具备优秀的科研抽象能力和工程落地意识，能够将开放问题拆解为可训练、可评测、可迭代的技术任务，具体端到端系统与实验环境搭建能力

3. 03

   熟悉大模型基础技术，包括 Transformer 模型架构、训练算法（PPO/GRPO/OPD）、Agent（ReAct/Memory/RAG/Self-Evolve/Harness）、数据合成与评测

【加分项】

1. 01

   在 NeurIPS、ICML、ICLR、ACL 等顶会/期刊发表论文者优先，方向聚焦大模型智能体、强化学习、角色扮演、情感与记忆系统等

2. 02

   在智能 NPC、角色扮演、情感与记忆等领域有代表性技术报告、开源项目者优先