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。MORPHEUS 研究个性化对话生成（Personalized Dialogue Generation，PDG）：如何不依赖外部角色资料，仅从对话历史提取角色信息并生成符合角色或人设的连贯回复。其核心贡献是通过三阶段训练，在连续潜在空间中表示角色，以支持不同角色之间的泛化。 机制方面，作者构建 persona codebook，以紧凑方式表示潜在空间中的角色，并利用该码本构造角色信息的后验分布。该设计旨在克服既有对话历史建模方法难以在连续空间中通用表示角色的问题。摘要未说明三个训练阶段的具体任务、码本学习方式、后验参数化、损失函数及生成时如何利用角色表示，这些实现细节尚未验证。 作者报告，在中文和英文数据集上的实验中，MORPHEUS 改善了角色信息提取与无外部角色资料条件下的回复生成，并能够为未见角色生成个性化对话。摘要未提供数据集名称、角色划分方式、对照方法、评价指标或数值，因此尚不能判断提升幅度，也不能确认未见角色评估是否排除了角色信息重叠。作者另提出该框架可作为大语言模型的高效微调方式，但可训练参数量、计算开销及相应比较尚未验证。实验协议、消融及统计信息尚未验证。 本文主要研究对象是对话中的角色与人设，而非神经信号或 BCI。摘要未建立其潜在角色表示与 EEG 跨被试差异之间的具体机制对应，不能据此推断 BCI 有效性；已有 EEG 相关工作尚未检索确认。