你是否想象过与《哈利·波特》中的邓布利多对话，或是向《傲慢与偏见》的伊丽莎白请教人生建议？复旦大学团队开发的CoSER系统，正让这种体验接近现实——通过创新的角色扮演语言模型，AI不仅能模仿角色台词，更能理解其复杂背景与性格内核。
当前基于大语言模型（LLM）的角色扮演系统（RPLA）面临两大难题：一是数据质量，现有数据集多为两个角色间的简单对话，缺乏书籍场景中的多角色互动和深层背景；二是评估标准，多数测试仅关注表面台词匹配，难以衡量角色性格的还原深度。更关键的是，许多数据集由AI自动生成，导致角色行为偏离原著设定——就像让莎士比亚笔下的哈姆雷特突然说起网络流行语。
CoSER团队从斯坦尼斯拉夫斯基表演体系获得灵感，提出“给定情境表演法”（given-circumstance acting）。这种方法要求AI像专业演员一样，在对话时综合考虑角色的时代背景、人际关系、过往经历等“情境要素”。例如，当模拟《了不起的盖茨比》中的黛西时，模型不仅要会说“老钱阶层”的优雅措辞，还需体现她对婚姻的矛盾心理——这种复杂性正是普通聊天机器人难以捕捉的。
研究团队创建了迄今最丰富的文学角色数据集，覆盖771部名著中的17,966个角色。与以往不同，该数据集包含三类关键信息：
对话上下文：记录场景中所有角色的互动，而非孤立问答
角色履历：整理人物的关键经历（如“蜘蛛侠曾失去叔叔本”）
内心独白：标注原著中的心理描写（如《罪与罚》主角的犯罪后焦虑）
这种立体化数据构建，相当于为每个角色建立了“人物传记档案”。
基于LLaMA-3.1架构，团队训练了80亿参数（CoSER 8B）和700亿参数（CoSER 70B）两个版本。测试显示：
在自建评估体系中，CoSER 70B对角色性格还原的准确率达75.8%
在“人生抉择”测试中（如判断《飘》的斯嘉丽在特定情境下的选择），准确率高达93.47%
综合表现持平甚至超越GPT-4o，但参数规模仅为后者的1/5
这项技术的价值不仅在于打造更真实的虚拟角色聊天：
教育领域：学生可与历史人物对话，理解特定时代的思维方式
心理治疗：通过模拟经典文学中的智者角色提供咨询
文化保护：数字化保存濒危语言文化中的典型人物形象
研究者特别指出，系统严格遵循原著设定，避免生成不符合角色设定的内容——这对防止文化误读尤为重要。