MiniMax-M2-her 深度解析
来自 MiniMax Blog · 期号 2026-01-27
摘要
MiniMax 发布角色扮演模型 M2-her，基于旗下 Talkie / Xingye 三年运营观察。 核心发现是：角色扮演不是静态模仿，而是用户与 NPC 共同编织的叙事旅程，由「世界观 × 故事 × 用户偏好」三个坐标定义。 为了摆脱传统 A/B 测试的慢周期，团队构建了 Role-Play Bench 评测框架。它的关键思路是：虽然「什么回答好」是主观的，但「什么回答错了」是客观的。框架用 Situated Reenactment（情境重演）自动检测模型在多轮对话中的失配行为。 在 100 轮长对话评测中，M2-her 总分第一。世界观维度表现最好，能避免角色混淆和物理逻辑错误；用户偏好维度也领先，不会替用户说话。故事多样性维度排第五。 训练采用两阶段对齐策略：先用 Agentic Data Synthesis 生成多样化对话数据，再用在线偏好学习对齐用户习惯。 论文附了开源评测框架。