在《游戏AI实验室》近期的一组实验中，我们围绕“NPC 能不能记住玩家”这一具体体验点，搭了一套离线评测流程：用剧本化多轮对话回放，检验角色在被玩家提及数十轮之前的承诺、称呼与偏好时，是否还能保持一致。
做法分三步：先从任务日志中抽取事实槽位（人物关系、已完成事件、玩家偏好），形成可检索的长期记忆库；再让对话模型在生成前执行一次记忆召回与冲突检测；最后用“人设漂移率”和“关键事实召回率”两个指标打分，而不是只看单轮回复是否流畅。
进展与数据（测试集为自研 120 段、平均 46 轮的角色扮演对话）：
- 接入记忆召回后，关键事实召回率由 61% 提升至 84%，称呼或身份自相矛盾的比例由 17% 降至 6%；
- 代价是首字延迟增加约 90ms，目前正尝试把记忆压缩为更小的向量条目以降低开销。
下一步计划：把这套评测从单 NPC 扩展到多 NPC 共处场景，观察角色之间互相引用信息时的一致性衰减曲线。我们的判断是，先把长期记忆的评测口径立起来，比单纯堆上下文长度更有工程价值。
评论