SPASM：面向多轮对话生成的稳定人格驱动智能体模拟框架

用自我中心上下文投影缓解LLM-LLM对话中的人格漂移与回声现象

前置知识

LLM-LLM 多轮对话模拟

让两个或多个大语言模型分别扮演不同角色（如客户与客服），在没有真实人类参与的情况下自动生成多轮对话数据。系统需要维护每个角色的身份卡片，使其在对话过程中保持稳定。

SPASM 整个框架就是为这种合成场景设计的，理解LLM扮演角色的设定是把握本文前提的关键。

Persona Drift（人格漂移）

在长对话中，LLM逐渐偏离初始设定的人格特征或目标，表现出不符合角色身份的语言风格或立场，这种偏移会随着上下文累积而加剧。

本文核心要解决的问题之一就是 drift，因此理解其表现和测量方式对评估方法的贡献至关重要。

Echoing（回声现象）

在 LLM-LLM 交互中，一方智能体逐渐抛弃自身身份，转而模仿对话伙伴的语言风格和立场，造成角色边界模糊和生成多样性的丧失。

回声是导致合成对话失效的关键失败模式，SPASM 称 ECP 几乎完全消除了它，是论文最有力的实验结论之一。

Silhouette 分数与 Davies-Bouldin 指数

聚类质量的两个度量：Silhouette 衡量同簇样本紧密度与不同簇分离度的比值，越大越好；DBI 衡量簇内方差与簇中心间距的比值，越小越好。

本文用这两个指标评估不同 backbone 组合生成对话的人格聚类质量，是分析实验结果的基础。

研究动机

大语言模型正被广泛部署在辅导、客服、心理咨询等需要多轮交互的场景中，但 LLM-LLM 模拟合成对话时面临严重的长期稳定性问题：随着对话轮次累积，模型会逐渐偏离设定的人格、目标甚至角色身份，表现出 instruction drift、人格漂移乃至 echoing——一方镜像另一方的语言与立场。例如在 GPT-4o-mini / DeepSeek-V3.2 配置下，按角色人设生成的对话其类内余弦距离飙升至 $0.34 \pm 0.22$，远高于同 backbone 下的 $0.09 \pm 0.07$，导致合成语料无法对应预期规格，污染下游训练和评估。这些失败跨模型、跨域普遍存在，并随对话长度而加剧，构成了从'能生成对话'到'能稳定生成对话'的瓶颈。

本文的目标是本文提出 SPASM 框架，目标是在不改动模型权重的前提下，把多轮对话合成从一次性生成升级为稳定的基础设施，对话双方能在长 horizon 内持续保持角色身份和人格特征。具体量化目标包括：用 Egocentric Context Projection（ECP）把长期人格漂移降低到统计显著水平，并在完整人类标注下将 echoing 率从最高 82% 降至 0%。同时在三个 LLM backbone、九种 Client-Responder 配对下规模化生成 4,500 个 persona 与 45,000 段对话作为可分析的数据资产。

与已有工作不同的是，已有 LLM-LLM 对话合成框架（Self-chat、CAMEL、Generative Agents）大多沿用对话历史直接拼接作为上下文，缺少对'同一段历史对不同智能体有不同含义'这一结构差异的建模。SPASM 的独特切入角度是显式把对话历史表示为 perspective-agnostic 的序列，再通过确定的角色相对化算子 $\Psi_i$ 投影到每个智能体的 ego 视角，从历史构造层而非解码策略层解决身份坍缩问题。

核心方法

SPASM 把人格驱动模拟拆成五个解耦的模块：先从结构化字段随机采样，再用 Validator 拒掉不合理的组合，最后由 Crafter 渲染成自然语言 persona；接着由扮演 persona 的 Client 与 Responder 模型交替生成，并在每步把共享历史投影到各自的 SELF/PARTNER 视角后再喂给模型；当终止检测器识别到收尾信号就停止对话。整个框架不依赖微调，只是把信息流组织得更结构化——可以理解为'给对话双方各发一份立场正确、立场单一的会议纪要'。

核心创新是 Egocentric Context Projection（ECP）：把全局历史存储为 $H_t = (u_k)_{k=1}^{t}$，其中 $u_k = (s_k, c_k)$ 用绝对说话人标识 $s_k \in \{C, R\}$ 与内容 $c_k$ 描述；然后通过投影算子 $\Psi_i$ 把每个说话人改写为智能体 $i$ 的相对坐标 $\phi_i(s_k) \in \{\mathrm{SELF}, \mathrm{PARTNER}\}$。这保证了同一段对话在两个 agent 看来有不同的、且彼此自洽的解读形式，彻底消除'伙伴的话被当作自己续写目标'的歧义。生成条件化为 $y_{t+1}^{(i)} \sim p_\theta(\cdot \mid C_t^{(i)})$，其中 $C_t^{(i)} = \Psi_i(H_t)$。这与已有拼接式历史的本质区别在于：CONCAT 假设 history 对两个智能体是中性的，但实际上一句对话对 partner 是 input、对 self 是 output，标签歧义正是 drift 和 echoing 的根因之一。

方法步骤详情

完整流程由 Algorithm 1 给出：从预定义 schema 采样 persona 字段（年龄 18–65、76 职业、50 城市、44 领域、12 情绪及 mild/moderate/severe 强度、行为风格四维）；Persona Validator 拒绝逻辑不一致组合（如 18 岁学生咨询退休金）；Persona Crafter 按模板 $T$ 渲染为'You are a ...'自然语言描述；初始化空对话 $D$，重复：Client 基于 $C_t^{(C)} = \Psi_C(H_t)$ 生成一句，Responder 基于 $C_t^{(R)} = \Psi_R(H_t)$ 生成回复并追加到 $H_t$；Termination Detector 用最近 $m$ 轮与预定义规则判断是否自然收尾，返回 $\{\mathrm{true}, \mathrm{false}\}$。温度方面生成侧用 0.7、判定侧用 0.3；终止上限 $T_{max}=25$ 轮/人（共 50 句）。

技术新颖性

技术新颖性体现在三方面：把 perspective-agnostic history + 确定性投影算子的形式化引入对话合成，类似'无参照坐标系 + 局部基变换'的设计；在 Appendix A 用集合包含关系证明 per-role 管线严格包含 single-agent one-shot 管线 $F_{one} \subseteq F_{multi}$，说明 LLM-LLM 是更通用的接口；设计了 drift 度量 $\mathrm{Drift}(t)_d = 1 - \cos(E(A^{(0)}_d), E(A^{(t)}_d))$ 并在 Appendix C 给出几何解释 $\mathrm{Drift}(t)_d = \frac{1}{2}\|\hat u - \hat v\|_2^2$，把'人格保持'转化为嵌入空间的角偏差。这些共同构成了对'历史层'而非'权重层'的稳定化方案。

**Figure 1**: SPASM pipeline for stable persona-driven dialogue generation

**Figure 5**: Conversation Dataset Viewer used for manual echoing validation

实验结果

实验覆盖 GPT-4o-mini、DeepSeek-V3.2、Qwen-Plus 三 backbone、九种 Client-Responder 配对、共 45,000 段对话。Table 1 显示同 backbone GPT/GPT 配对 Silhouette=0.60、类内 $0.09 \pm 0.07$；跨 backbone GPT/DS 时 Silhouette 跌至 0.10、DBI 升至 2.63、类内 $0.34 \pm 0.22$。Table 2 Top-1 检索准确率远超随机（GPT/DS 0.50 vs 0.02），Top-10 普遍逼近 1.0。Table 3 ECP 消融中 24 项对比 23 项 ΔDrift 为负，GPT-4o-mini emotion Cohen's d = $-0.75$。Table 4 最强结论：人类全量标注下 ECP 把 echoing 在 9 配对中全降到 0%，CONCAT 最高 82%、最低 16%。Table 5 标注者 agreement 0.920，结论稳健。

**Table 1**: Semantic coherence of the persona-driven dialogue dataset under different Client–Responder backbone combinations

**Table 2**: Persona retrieval accuracy (Acc@K) across Client–Responder pairs

**Table 3**: Dimension-wise comparison of persona drift between ECP and CONCAT

**Table 4**: Conversation-level echoing rate (%) across Client–Responder backbone combinations

**Figure 2**: Turn-level drift trends under CONCAT and ECP conditions (GPT-4o-mini / GPT-4o-mini)

**Figure 3**: UMAP visualizations of Client conversation embeddings under different Client–Responder model pairings

**Figure 4**: Persona retrieval accuracy as a function of Top-K nearest neighbors across all Client–Responder model combinations

查看结构化数据

任务	指标	本文	基线	提升
聚类质量（同 backbone 配对）	Silhouette / DBI	GPT-4o-mini / GPT-4o-mini: Silhouette=0.60, DBI=1.07	跨 backbone 退化例: GPT-4o-mini / DeepSeek-V3.2: Silhouette=0.10, DBI=2.63	Silhouette 提升 0.50，DBI 下降 1.56
类内距离（聚类紧密度）	Cosine distance within-persona	GPT/GPT 类内 $0.09 \pm 0.07$	GPT/DS 类内 $0.34 \pm 0.22$	类内距离减少约 73%
人格检索 Top-1	Acc@1	GPT/DS: 0.50；GPT/GPT: 0.96	随机标签基线: 0.02	远高于随机；同 backbone 接近完美
Echoing 率（人类标注）	Echoing rate (%)	ECP 在 9 种配对下均 0%	CONCAT: GPT/GPT=82.0%, GPT/DS=63.0%, Qwen/Qwen=19.0%	最高绝对降幅 82 个百分点；全部配对清零
Drift 抑制（emotion 维度，GPT-4o-mini）	ΔDrift / Cohen's d	ΔDrift = -0.042, Cohen's d = -0.75, p < 0.001	CONCAT	中等偏大效应量，且统计显著

局限与改进

作者明确承认的局限包括：仅在英语、instruction-tuned 模型上验证，对其它架构、语言、小模型是否同样有效未探索；SPASM 仅设计为二元角色交互，对多智能体小组协作或动态切换角色等更复杂场景不适用；persona 仅基于结构化 schema 与自然语言描述，可能难以完全捕捉真实人类人格的丰富性；echoing 的人类标注虽然做了 200 条双标注一致性检查，但本质仍主观，难以扩展到更大规模。读者还可补充：45,000 段对话覆盖的领域（44 个）和情绪（12 类）虽然广，但每个人格只生成 10 段，难以评估样本方差内的稳定性；ECP 不修改模型权重，这意味着后训练层面的对齐偏差（作者也提出了 H2 假设）只能缓解症状，无法根除。

独立分析的弱点

独立分析三个值得改进的弱点：ECP 是 prompt/context 层的修补，无法解决模型后训练阶段对'好助手'对齐的偏好——只要客户端模型骨子里倾向给建议，再清晰的 ego 视角也只能减小不能消除'反向建议'的发生概率，改进方向是引入 persona vector 或 steering vector 在不破坏对齐的前提下动态调节角色行为；终止检测器只看了最近 $m$ 轮，对'话题隐性收束'或'客户欲言又止'等细腻结束信号不敏感，可能过早终止，改进方向是引入对话级的目标达成度评分或对 Client 内部状态做 plan-and-revise；9 种 backbone 配对的实验虽然揭示了 Responder 主导几何的事实（GPT 作为 Responder 时 Silhouette > 0.60，DS 作为 Responder 时最低跌至 0.10），但没有回答'为什么是 Responder 主导'——是否是因为 Responder 掌握了话语流向？是否与小模型/大模型的角色扮演鲁棒性差异有关？这一点需要后续受控实验或因果分析。

未来方向

作者已提及的方向包括：把二元 ECP 推广到 N 元（用 $Q_i = \{\mathrm{SELF}\} \cup \{\mathrm{PARTNER}(j) \mid j \neq i\}$ 或聚合为 OTHER）；把 SPASM 用作可控数据合成基础设施，进一步支持训练、对齐、偏见审计与安全评估；探索把 schema 字段替换为从真实访谈抽取的细粒度人格。基于成果可延伸的方向包括：把 ECP 与 chain-of-thought、self-consistency 等推理增强结合，研究 ego 视角是否能稳定多步推理；用 persona vector 检测 drift 是否伴随内部表征的连续变化，建立 drift 的可解释度量；把 drifting 的维度（Concerns/Emotion/Motivation）映射到具体 RLHF 阶段，定位对齐数据的薄弱处。

复现评估

复现友好度中等偏上：作者明确开源代码 https://github.com/lhannnn/SPASM；Algorithm 1 完整给出主体流程，附录 J 列出 Persona Validator/Crafter/Client/Responder/Detector 的完整 system prompt；数据集 schema（年龄 18–65、76 职业、50 城市、44 领域、12 情绪）参数全公开。门槛：实验依赖 GPT-4o-mini、DeepSeek-V3.2、Qwen-Plus 三个商用 API 与 OpenAI text-embedding-3-large；人类标注为两位训练过的标注者，双标注一致性 0.92（Table 5），复现团队需自行招募并校准；9 配对共 45,000 段对话，加上 embedding 与 judge 调用，需要 API 配额但算力不大。整体而言，会 LLM 工程化的团队可在 1–2 周内复现主表结果。

SPASM：面向多轮对话生成的稳定人格驱动智能体模拟框架 SPASM: Stable Persona-driven Agent Simulation for Multi-turn Dialogue Generation