Character-R1：通过RLVR增强角色扮演智能体的角色感知推理能力

当前角色扮演智能体（RPAs）通常通过模仿表层行为构建，缺乏内在认知一致性，易在复杂情境中出现“出戏”错误。为此，本文提出Character-R1框架，旨在提供全面且可验证的奖励信号以支持有效的角色感知推理。该框架包含三项核心设计：（1）认知焦点奖励，通过显式标签分析10个角色要素（如世界观）以结构化内部认知；（2）参考引导奖励，利用与参考回答的重叠度指标作为优化锚点，提升探索与性能；（3）角色条件奖励归一化，依据角色类别调整奖励分布，确保异构角色下的鲁棒优化。大量实验表明，Character-R1在知识、记忆等方面显著优于现有方法。