游戏对话的去诽谤化：在基于 LLM 的 NPC 中平衡角色真实性与任务执行

大型语言模型（LLMs）的出现为游戏环境中动态非玩家角色（NPCs）的创建带来了新的机会，使得功能任务执行和角色一致的对话生成成为可能。在本文中，我们（Tu_Character_lab）报告了我们参加2025年CPDC（Commonsense Persona-Grounded Dialogue Challenge）第二轮比赛的情况，该比赛在三个赛道上评估智能体：面向任务的对话、情境感知对话以及它们的整合。我们的方法结合了两种互补的策略：（i）API赛道中的轻量级提示技术，包括一种Deflanderization提示方法，以抑制过度的角色扮演并提高任务保真度；以及（ii）GPU赛道中的微调大型模型，利用Qwen3-14B进行监督微调（SFT）和低秩自适应（LoRA）。我们的最佳提交在任务1中排名第2，任务3（API赛道）中排名第2，任务3（GPU赛道）中排名第4。