Minimax 稀宇科技分享了星野/Talkie底层 AI 模型 MiniMax-M2-her 背后的技术思考——如何通过更深入、个性化的角色扮演体验，让每个用户都能感受到与 AI 互动的独特性，这也是一份关于如何在生产环境中构建真正可用的 Role-Play Agent 的技术报告。

基于三年运营星野/Talkie产品的观察，MiniMax 团队发现 Role-Play 的核心不在于"完美复刻角色"，而在于用户与角色共同编织的独特旅程。

• 情绪峰值时刻：用户频繁使用"重说"按钮追求叙事关键节点的完美体验
• 长尾价值：冷门角色也有忠实用户，平均主义会伤害小众体验
• 留存曲线：20轮对话后出现明显下降，需要区分短期兴趣与长期链接

基于此，Role-Play 被形式化为：在特定 {World} × {Stories} 坐标下，针对 {User Preferences} 的演绎能力。

MiniMax-M2-her 模型能力

新模型针对三大核心问题提供解决方案：

评估体系创新：Role-Play Bench

团队发现传统 A/B 测试存在周期长、因果逆转等问题，因此提出了基于"情境重演"的自动化评估方案：

1. Situated Reenactment（情境重演）

• 基于 100万+ NPC/User Prompts 库，通过聚类降噪产出结构化标签
• 采用 Model-on-Model Self-Play 机制，让模型同时扮演 NPC 和用户进行 100 轮对话
• 通过分块评估、一致性校验、多次采样降低主观偏差

2. 三大评估维度（Misalignment 检测）

关键洞察：Role-Play 是不可验证的（Non-verifiable），很难定义什么是"好"的回答，但可以明确定义什么是不符合设定的（misaligned）回答。

技术价值

该报告提供了一套从生产环境中提炼的、可落地的 Role-Play Agent 构建方法论，核心贡献在于：

• 将主观体验转化为可量化的 misalignment 指标
• 通过 Self-Play 实现高效的离线评估，加速模型迭代
• 强调"反平均主义"，保护长尾用户的独特体验

如需了解更详细的技术实现细节，查阅原文完整内容：https://www.minimaxi.com/news/minimax-m2-her-技术深度解析