本研究提出了Friends-MMC数据集，包含24000个视频上下文配对的独特发言，旨在提升多模态对话中的角色理解能力，并展示多模态上下文对发言者识别和响应预测的性能提升。

本研究探讨了大型语言模型在角色理解任务中的逐字记忆问题，并提出了减轻该问题的方法。研究结果显示，模型在虚构作品中的记忆性能从96%降至72%，角色理解任务的准确率降低了18%。

该研究探讨了细分搜索在情节生成中的应用，提出了IPOCL算法，以支持观众理解角色意图。同时，介绍了LiSCU数据集，旨在提升文学角色理解，并通过多任务模型改进故事延续的准确性。此外，研究分析了角色心理状态，建立了STORIES数据集，以增强叙述结构识别能力。