随着大语言模型的对话与表达能力不断提升，角色扮演智能体正被应用于用户研究、访谈练习、教育陪伴和社会科学研究等场景。然而，这类智能体往往只是依据简单的人设标签作答，容易出现扁平化、刻板化和前后不一致的问题。忠实的角色扮演，不应止于模仿言行，而应理解人物的经历、关系、价值观与行为逻辑。

人物画像图谱构建方法图

为此，浙江大学设计学团队提出ThinkPersona，一种面向忠实性角色扮演的智能体。团队从大规模真实访谈视频出发，将人物的基本信息、价值系统、社会关系、人生事件及其影响组织为结构化的人物画像图谱，并据此构建训练样本，使智能体学会先基于人物证据进行推理、再作出回答。实验表明，ThinkPersona能在长对话中更稳定地保持角色身份，生成更忠实于人物经历与行为逻辑的回答，同时保持良好的通用指令遵循能力。

ThinkPersona智能体的训练方法图

本研究由人工智能学院陈培研究员团队完成。该成果的第一作者为人工智能专业博士生蔡逸晨。“忠实性决定了角色扮演智能体应用结果的可信度。只有回答真正符合人物的经历与观念，基于它的用户研究、社会科学模拟才有参考价值。”蔡逸晨分享道。

浙江大学人工智能专业博士生蔡逸晨

项目成果：
项目成果于2026年7月发表于国际人工智能领域顶级会议ACL 2026。研究团队：蔡逸晨、陈培*、李佳阳、郭静雅、李泽健、杨昌源、孙凌云。本项目受到国家自然科学基金等项目支持。

论文原文链接：
Yichen Cai, Pei Chen*, Jiayang Li, Jingya Guo, Zejian Li, Changyuan Yang, and Lingyun Sun. 2026. ThinkPersona: Thinking with Persona Graphs for Faithful Individualized Role-Playing. In Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 9905–9927.
https://aclanthology.org/2026.acl-long.449/
（*通讯作者）