跳转至

Towards Enhanced Immersion and Agency for LLM-based Interactive Drama

会议: ACL 2025
arXiv: 2502.17878
代码: GitHub
领域: LLM NLP
关键词: 交互式戏剧, 沉浸感, 代理感, 剧本生成, 角色扮演Agent

一句话总结

提出沉浸感-代理感（Immersion-Agency）范式来理解LLM交互式戏剧，并设计Playwriting-guided Generation和Plot-based Reflection两种方法分别增强故事生成质量和玩家对故事的影响力。

研究背景与动机

LLM交互式戏剧是一种新型的AI对话应用场景：玩家扮演故事中的角色，与LLM Agent扮演的其他角色对话互动，体验展开的故事。然而现有工作存在以下不足：

  1. 缺乏理论框架：之前的工作主要关注通用架构设计，未深入探讨交互体验的核心维度。本文引入经典交互叙事理论中的两个关键概念——沉浸感（Immersion，玩家融入故事的感觉）和代理感（Agency，玩家影响故事世界的能力）。
  2. 故事生成质量不足：LLM虽然在预训练阶段接触了大量文学作品，但微调过程缺乏对戏剧创作技巧的强调，导致生成的故事缺乏基本的戏剧结构和引人入胜的冲突。实验显示，GPT-4o和Qwen2.5-72b在无显式提示下几乎不使用任何叙事技巧。
  3. 角色代理感被忽视：之前的角色Agent构建很少考虑玩家行为如何有意义地影响角色反应和故事走向。

方法详解

整体框架

系统分为两大模块：(1) 剧本生成——通过 Playwriting-guided Generation 从玩家提供的前提段落生成高质量戏剧故事（含剧情结构、叙事技巧）；(2) 角色Agent——通过 Plot-based Reflection 让NPC根据玩家行为动态调整剧情链，增强代理感。

关键设计

  1. Playwriting-guided Generation（剧本引导生成）：

    • 定义8种经典戏剧情境（如爱情、凤凰涅槃、灰姑娘、复仇等），基于亚里士多德三幕结构（设定、对抗、解决）描述。
    • 总结6种微观叙事技巧（悬念、反转、非线性叙事、多重叙事、讽刺、象征）。
    • 生成流程：采样1种戏剧情境+3种叙事技巧 → Writer LLM生成故事 → Critic LLM评审并给出改进建议 → Writer修改 → 重复3次选最佳 → 渐进式细节打磨。
    • 效果：叙事技巧使用率从基线的6-12%提升到28-74%（以GPT-4o为基础）。

  2. Plot-based Reflection（基于剧情的反思）：

    • 角色Agent每隔k=5个交互步执行一次反思，分析玩家行为（情感、意图）的记忆，动态调整剧情链。
    • 每次反思限制为调整不超过1个未完成剧情或插入不超过1个新剧情，防止LLM过度修改导致剧情不连贯。
    • 使角色展现由玩家行为驱动的有意义的反应转变，如泄露秘密、提供陪伴、按特定方式推进剧情。

  3. 混合Agent架构（Hybrid Architecture）：

    • Director-Actor架构：导演Agent全局协调+独立Actor Agent各自扮演角色，适合强互动场景。
    • One-for-All架构：单一全局Agent扮演所有角色，效率更高，适合叙事为主的场景。
    • 混合方案根据场景特征动态切换两种架构，平衡性能与效率（推理加速1.49倍）。

损失函数 / 训练策略

本文不涉及模型训练，所有Agent基于GPT-4o的提示工程。关键策略包括： - Sampling-Critic-Revise循环确保戏剧技巧正确应用 - 渐进式生成（从粗到细添加细节） - 记忆系统保留所有对话历史在prompt中

实验关键数据

主实验

故事生成评估（50个前提段落，人类标注者评估胜率）：

方法 冲突（最佳↑/最差↓） 悬念 情感张力 角色弧 技巧遵循率
Outline-First 18%/34% 10%/28% 10%/50% 18%/36% -
Playwriting-Guided 32%/24% 32%/22% 48%/16% 34%/20% 92%
w/o Critic & Revise 24%/24% 26%/34% 18%/28% 12%/32% 66%
w/o Refinement 26%/18% 32%/26% 24%/6% 36%/12% -

角色Agent评估（5分制，手工剧本"车站七人"，10名人类+10名Agent玩家）：

架构 角色一致性 吸引力 叙事完整 进展 影响力 意图跟随 加速比
Director-Actor 3.9 4.2 3.8 3.6 4.2 3.9 1.00x
混合架构 4.1 3.9 4.3 4.3 4.0 4.0 1.49x
w/o Reflection 4.0 3.5 4.2 3.9 3.5 3.3 1.90x

消融实验

配置 关键指标 说明
去掉Critic & Revise 技巧遵循率92%→66% Critic LLM对确保技巧正确应用至关重要
去掉Refinement 情感张力48%→24% 渐进细化对情感细节贡献最大
去掉Plot-based Reflection 影响力4.0→3.5, 意图跟随4.0→3.3 反思机制是代理感的核心
纯Director-Actor 进展3.6 vs 混合4.3 多agent通信导致信息损失，影响叙事进展

关键发现

  1. 渐进式细化对情感张力贡献最大（10%→48%），因为情感通常来自文本中的细微细节。
  2. Plot-based Reflection不仅提升代理感，也增强角色吸引力（3.5→3.9），推测是因为反思鼓励角色展现更强的共情。
  3. 激进的Agent玩家反而在角色吸引力和影响力维度获得更高评分，可能因为Agent更积极互动，高质量回应反过来给标注者留下深刻印象。
  4. 算法能自动为不同主题匹配合适的戏剧情境（如浪漫→爱情、犯罪→救世主）。

亮点与洞察

  • 理论贡献：首次为LLM交互式戏剧建立沉浸感-代理感评价范式，从叙事学和心理学角度提供了分析框架。
  • 戏剧技巧的系统化：将经典戏剧理论（Polti的36种戏剧情境、亚里士多德三幕结构）与现代LLM prompt工程结合，是计算创造力的有趣实践。
  • 人类评估为主：拒绝使用LLM评估器，坚持由受过人文训练的标注者进行评估，因为文学作品的评价需要准确性和共情。
  • 混合架构的实用性：根据场景特征动态选择架构，在效率和质量间取得良好平衡。

局限与展望

  1. 依赖GPT-4o：所有Agent基于同一闭源模型，成本高且不可控。
  2. 效率问题：Playwriting-guided Generation比vanilla prompting慢10-12倍。
  3. 反思边界控制：LLM倾向于过度调整剧情，当前通过硬性限制解决，但这可能限制了更具创造性的适应。
  4. 仅关注对话形式：未探索场景生成（视觉、音乐等多模态元素）对沉浸感的增强。
  5. 评估规模有限：仅10名人类玩家和1个手工剧本，泛化性有待验证。

相关工作与启发

  • Mateas (2000) 的Interactive Drama理论提供了Immersion和Agency的原始定义，本文将其操作化为可评估的维度。
  • Park等 (2023) 的memory-based reflection关注记忆合成，而Plot-based Reflection关注剧情适应，两者是互补的并行技术。
  • Wu等 (2024) 首先定义了LLM交互式戏剧的六要素和剧情链机制，本文在此基础上增加了反思和生成增强。
  • 本文展示了将古典戏剧理论融入AI系统的可能性，对NPC AI、游戏叙事、教育模拟等领域有广泛启发。

评分

维度 分数 (1-5)
创新性 4
理论深度 4
实验充分性 3
应用价值 4
写作质量 4
总分 3.8

相关论文