书签：用于角色扮演的高效主动故事情节记忆

内存系统对于角色扮演代理 (RPA) 保持长期一致性至关重要。然而，现有的 RPA 记忆方法（例如分析）主要依赖于增量摘要，增量摘要的压缩会丢弃后续基础无法访问的细节。为了解决这个问题，我们提出了一个名为 \textbf{\underline{BOOKMARKS}} for \textbf{active grounding} 的基于搜索的记忆框架，它保留了对前面完整故事情节的访问，并按需收集任务相关信息。由于为每个故事依据检索请求重新总结前面的故事情节会产生大量冗余计算，因此 BOOKMARKS 引入了 \textbf{被动更​​新} 以重用早期的搜索结果作为检查点。每个\textbf{书签}代表关于特定同步\textbf{点}的故事信息的特定方面(\textbf{section})的\textbf{内容}。对于当前任务，BOOKMARKS 仅搜索有用的内容，重用现有的语义等效书签或初始化新书签，并将所选书签从存储的检查点同步到当前场景。因此，重用的书签只需要处理新观察到的故事情节后缀，避免重复同步。我们根据非主动故事依据检索基线评估了涉及 47 个角色和 9,537 个测试用例的 6 个叙事工件中的 BOOKMARKS，涵盖神秘游戏中的下一步动作预测和具有挑战性的、人类编写的推理问题。 BOOKMARKS 提高了五维评估（情感、意图、因果关系、位置和内容）中下一步动作的保真度，并将神秘游戏推理准确性从最强基线的 39.44% 提高到 45.42%。