大規模言語モデル（LLM）の登場により、ペルソナベースの対話エージェントが医療、教育、カウンセリング、カスタマーサービス、インタラクティブストーリーテリングなど、感情に敏感なロール演技シミュレーションの分野で大きく進展してきました。しかし現在の研究には重要な課題が存在します。従来のペルソナベース対話システムでは感情を静的な特性や表面的なスタイル的な手がかりとして符号化することが多く、共感的対話研究もユーザーに対する感情的応答生成に焦点を当てているため、キャラクター自身の進化する感情状態のモデル化が不十分なのです。その結果、キャラクター内でのトリガー駆動型感情進化は十分に探究されていません。 この課題に対処するため、研究者たちは心理学の理論である成分過程モデル（CPM）からインスピレーションを得ました。CPMは感情を外部イベントの評価によって形作られるダイナミックなプロセスとして捉えています。提案されたCPM-MultiAgentフレームワークは、CPMをグラウンドとした感情進化マルチエージェント構造として機能し、ペルソナベース対話における感情変化をサポートします。キャラクターの感情を固定的な属性として扱うのではなく、対話トリガーによって継続的に再形成される潜在状態として表現するアプローチを採用しています。 フレームワークは感情的トリガーの抽出、CPMベースの協調的評価、感情状態の更新という三つのプロセスを通じて、マルチターンの対話相互作用において感情的一貫性のあるロール演技シミュレーションを実現します。ベースラインとの比較実験、アブレーション研究、人間評価、ケース分析を通じた検証により、CPM-MultiAgentが感情的に敏感なロール演技シミュレーション設定において動的感情進化を効果的にモデル化できることが実証されました。