EvolvingWorld：角色与世界共进化的开放式文学世界框架

过去不少“互动文学”系统更像是两类工具：一种只会模仿人物口吻，另一种只会生成单个场景。但真实的故事推进并不是静止的，人物会因经历而改变，地点与事件也会留下痕迹。EvolvingWorld 的价值，就在于把这种“持续变化”当作建模目标，而不是把每一轮对话都当成独立片段。

核心思路

• 开放式 schema：不预先锁死世界结构，尽量适配不同文学作品中的人物、地点和事件关系。
• 双模块协同：一边是负责多角色互动与人物档案演化的 Character Agent，另一边是维护全局、地点级和实体级状态的 World Model。
• 长程过程建模：把文学模拟看成持续推进的过程，而不是一次性的文本生成。
• 七类训练任务：围绕场景初始化、互动生成、状态更新等环节组织训练，让模型学会“说话”之外的持续记忆与演化。

数据与评测

作者基于 57 本书 构建数据集，形成 138,596 个监督训练样本，并准备了 222 个测试快照。评测上，他们没有只看单轮输出，而是设计了轨迹级的 LLM-as-Judge 协议，从 10 个维度、20 项指标 检查整段演化是否连贯、是否符合角色设定、是否维持了世界状态。

这意味着什么

这类框架的意义，在于把角色扮演、故事生成和世界建模拉到同一条链路里。对于交互式小说、剧情代理、虚拟叙事等场景来说，难点往往不是“能不能生成一句像样的话”，而是“能不能记住前文并让后续发展合理”。EvolvingWorld 试图用可训练任务和轨迹级评测，把这个问题从感觉判断变成系统工程。

不过，它也提醒我们：越接近真实叙事，越需要稳定的长期记忆、状态更新与一致性控制。未来如果要进一步落地，关键不只是生成质量，还包括跨作品泛化、复杂人物关系维护，以及更可靠的长程评估。

来源： Hugging Face Daily Papers