MORPHEUS：通过探索与利用潜在空间，从个性化对话历史中建模角色

基于摘要分析。该研究面向 Personalized Dialogue Generation（PDG，个性化对话生成），旨在不依赖外部角色资料的情况下，从对话历史提取角色信息并生成符合角色或人设的回复。MORPHEUS 采用三阶段训练，通过 persona codebook 在潜在空间中紧凑表示角色，并据此构建角色信息的后验分布。 原问题是外部角色资料可能稀缺且涉及隐私，而已有基于对话历史的方法难以在连续空间中通用地建模角色。作者将潜在角色表示与个性化回复生成相结合，意在支持角色间泛化及未见角色的回复生成。摘要未展开三阶段训练的具体步骤、codebook 的构建与更新方式、后验分布形式、损失函数或推理流程，这些技术细节尚未验证。不依赖外部角色资料也不等同于已提供隐私保护保证。 作者报告，在中文和英文数据集上的实验显示，MORPHEUS 改善了角色信息提取与无需外部角色资料的回复生成；但摘要未提供数据集名称、样本规模、角色划分、对照基线、评估指标或具体数值，未见角色泛化的评估条件亦尚未验证。作者还提出，该框架可视为大语言模型的一种高效微调方式，但其参数更新范围、训练成本及效率对照尚未验证。实验协议、消融及统计信息尚未验证。 本研究的直接对象是文本对话中的角色建模，而非神经信号解码。材料未给出其潜在角色表示与 EEG 跨被试差异之间的具体机制对应，因此不将其改写为 BCI 算法创新，也不据此提出迁移实验。已有 EEG 相关工作尚未检索确认。复现原方法需进一步核对全文中的训练阶段、数据处理、角色划分和评估定义。