Jun, 2024

捕捉思维，而非语言：使用个性指示数据增强角色扮演语言模型

PDF
TL;DR我们通过应用特征性数据提升小型角色扮演语言模型，实验证明使用我们的数据集训练的模型在一般和与个性相关的评估中展现了高级角色扮演能力。
role-playing agentslarge language modelspersonality-indicative datarplmsdialogues
发现论文，激发创造
  • 从角色扮演到个性化：关于语言代理的调查

    通过大型语言模型与角色扮演语言代理的结合，该研究对 RPLAs 进行了综合调查，介绍了其发展和最新进展，并将其应用于 AI 应用中，以实现个性化服务。

    Apr, 2024

  • 使用大型语言模型进行角色扮演

    本文探讨了将人类特质投射于对话代理的问题，并详细介绍了将角色扮演的概念应用于自然语言处理中的方法，从而更好地描述对话代理的行为，以期实现更加真实自然的对话交互。

    May, 2023

  • 角色扮演聊天机器人是否能捕捉角色个性特征？评估角色扮演聊天机器人的个性特质

    本研究通过创新的开放式面试式方法，对 ChatHaruhi 库创建的 32 个角色扮演聊天机器人进行全面的人格评估，评估结果表明基于 LLMs 的现代角色扮演聊天机器人可以有效地描绘对应角色的人格特征，与人类感知的人格匹配率为 82.8％，同时提出了塑造聊天机器人个性的潜在策略。该研究是计算语言学和心理学交叉领域中角色扮演聊天机器人的基础性研究。

    Oct, 2023

  • 通过虚构作品进行人物建模评估大型语言模型的人物理解能力

    我们提出使用角色概况任务来评估大型语言模型（LLMs）的角色理解能力，通过从对应的材料中总结角色概况，构建 CroSS 数据集并比较与下游任务的适用性，我们的实验结果强有力地验证了 LLMs 的角色理解能力，并且我们相信我们构建的资源将促进该领域的进一步研究。

    Apr, 2024

  • 角色扮演的模版框架：生成与评估

    使用大型语言模型（LLM）构建角色扮演对话数据集并评估性能的框架，并使用召回导向的 Rouge-L 指标支持 LLM 评估器的结果。

    Jun, 2024

  • 通过积极查询提升角色扮演系统：评估与改进

    通过设计 MORTISE 来改进角色扮演 LLMs 的性能，我们构建了具有高度角色相关性的攻击性查询，通过多个基于 LLM 的模块协同努力生成相应的回复，并形成对抗性训练数据集 RoleAD。结果表明，现有模型在角色对齐能力上存在普遍不足，而经过 RoleAD 改进的模型在改善这一不足方面表现出了一定的泛化性。

    Feb, 2024

  • RoleLLM：大型语言模型角色扮演能力的基准、激发和增强

    RoleLLM 是一种框架，用于在大规模语言模型中评估和增强角色扮演能力。通过 Context-Instruct 和 RoleGPT，我们创建了 RoleBench，这是角色扮演的第一个系统性和细致的基于角色的基准数据集，该数据集包含 168,093 个样本。此外，通过 RoleBench 上的 RoCIT，我们获得了 RoleLLaMA（英文）和 RoleGLM（中文），显著增强了角色扮演的能力，甚至与使用 GPT-4 的 RoleGPT 的结果相当。

    Oct, 2023

  • 开放世界游戏的语言代理角色扮演

    介绍了一种语言角色扮演代理系统（LARP），它通过包含记忆处理和决策辅助的认知架构，环境交互模块以及促进各种人格之间对齐的后处理方法，提升了语言代理和开放世界游戏之间的互动，并改善了游戏体验。

    Dec, 2023

  • 反思性语言编程（RLP）：社会感知型人工通用智能（SocialAGI）中的垫脚石

    本文提出了一种名为反思性语言编程（RLP）的独特方法，它强调自我意识和战略规划，鼓励模型在自身的预定义人格特征、对传入消息的情感反应和计划策略上进行内省，实现情境丰富、连贯、有吸引力的交互。RLP 在社交性 AGI 领域的应用潜力巨大，从微妙的谈判和精神健康支持系统到创建多样化和动态的 AI 角色。通过欺骗的探索，我们迈向了 AGI 的一个新前沿，一个充满先进认知建模和真正的人类数字灵魂创造机会的时代。

    May, 2023

  • 角色互动评估：评估角色扮演代理人的社交互动

    介绍了 RoleInteract，这是第一个旨在系统评估角色扮演对话代理在个体和社交互动组别两个级别上社交性的基准。从各种来源中构建了这个基准，共涵盖了 500 个角色和超过 6,000 个问题提示以及 30,800 个多轮角色扮演话语。通过在主流开源和闭源 LLMs 上进行全面评估，发现在个体水平上表现出色的代理并不意味着其在群体水平上的熟练程度，并且个体的行为可能会受到群体内其他代理的影响而发生漂移。RoleInteract 上的实验结果证实了它作为评估角色扮演对话代理社交互动的测试平台的重要性。该基准在此 https URL 上可公开访问。

    Mar, 2024