SPASM：用于多轮对话生成的稳定角色驱动代理模拟

大语言模型 越来越多地部署在辅导、支持和咨询等多轮环境中，其中可靠性取决于长期保持一致的角色、角色和目标。当 LLM 用于生成用于训练和评估的合成对话时，这一要求变得至关重要，因为 LLM--LLM 对话可能会累积与身份相关的故障，例如角色漂移、角色混乱和“回声”（其中一个智能体逐渐反映其伙伴）。我们引入了 SPASM（用于多轮对话生成的稳定角色驱动代理模拟），这是一个模块化、稳定性第一的框架，它将模拟分解为（i）通过模式采样、合理性验证和自然语言角色制作来创建角色，（ii）客户端-响应者对话生成，以及（iii）用于连贯停止的终止检测。为了在不改变模型权重的情况下提高长期稳定性，我们提出了自我中心上下文投影（ECP）：对话历史存储在与视角无关的表示中，并在生成之前确定性地投影到每个代理的自我中心视图中。在三个 LLM 主干（GPT-4o-mini、DeepSeek-V3.2、Qwen-Plus）和九个客户端-响应者配对中，我们构建了一个包含 4,500 个角色和 45,000 个对话的数据集（每个配对 500 个角色 X 10 个对话）。消融显示 ECP 大大减少了角色漂移，并且在人工验证下消除了回声；嵌入分析恢复角色结构并揭示强响应者驱动的交互几何结构。我们的代码可在 https://github.com/lhannnn/SPASM 获取。