Fugu-MT 論文翻訳(概要): Immersive Text Game and Personality Classification

論文の概要: Immersive Text Game and Personality Classification

arxiv url: http://arxiv.org/abs/2203.10621v1
Date: Sun, 20 Mar 2022 18:37:03 GMT
ステータス: 処理完了
システム内更新日: 2022-03-22 13:39:50.053311
Title: Immersive Text Game and Personality Classification
Title（参考訳）: 没入型テキストゲームとパーソナリティ分類
Authors: Wanshui Li, Yifan Bai, Jiaxuan Lu, Kexin Yi
Abstract要約: 没入型テキストゲームでは、プレイヤーはストーリーとキャラクターを選択し、没入型で他のキャラクターと対話することができる。このゲームはテキスト生成言語モデル、情報抽出モデル、コモンセンス推論モデル、心理学評価モデルなど、いくつかの最新モデルに基づいている。
参考スコア（独自算出の注目度）: 1.9171404264679484
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We designed and built a game called \textit{Immersive Text Game}, which allows the player to choose a story and a character, and interact with other characters in the story in an immersive manner of dialogues. The game is based on several latest models, including text generation language model, information extraction model, commonsense reasoning model, and psychology evaluation model. In the past, similar text games usually let players choose from limited actions instead of answering on their own, and not every time what characters said are determined by the player. Through the combination of these models and elaborate game mechanics and modes, the player will find some novel experiences as driven through the storyline.
Abstract（参考訳）: これはプレイヤーがストーリーとキャラクタを選択し、没入的な対話方法でストーリー内の他のキャラクターと対話できるゲームである。このゲームはテキスト生成言語モデル、情報抽出モデル、常識推論モデル、心理学評価モデルなど、いくつかの最新モデルに基づいている。過去には、類似のテキストゲームでは、プレイヤー自身が答えるのではなく、制限されたアクションからプレイヤーを選択できる。これらのモデルと精巧なゲームメカニクスとモードを組み合わせることで、プレイヤーはストーリーラインを通じて駆動される新しい体験を見つける。

関連論文リスト

Understanding Players as if They Are Talking to the Game in a Customized Language: A Pilot Study [3.4333699338998693]
本研究は,ゲームイベントシーケンスのモデル化における言語モデル(LM)の適用について検討する。生イベントデータをテキストシーケンスに変換し、このデータ上でLongformerモデルを事前学習する。これらの結果から,ゲームデザインやパーソナライズにおける自己監督型LMの可能性を示す。
論文参考訳（メタデータ） (2024-10-24T09:59:10Z)
Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
論文参考訳（メタデータ） (2024-09-20T14:56:33Z)
What if Red Can Talk? Dynamic Dialogue Generation Using Large Language Models [0.0]
本稿では,大規模言語モデル(LLM)を用いて動的かつ文脈的に適切な文字相互作用を生成する対話フィラーフレームワークを提案する。 The Final Fantasy VII Remake and Pokemonの環境でこのフレームワークをテストする。本研究の目的は,よりニュアンスの高いフィラーダイアログ作成を支援することであり,それによってプレイヤーの没入感を高め,RPG体験の全般的向上を図ることである。
論文参考訳（メタデータ） (2024-07-29T19:12:18Z)
CharacterGLM: Customizing Chinese Conversational AI Characters with Large Language Models [66.4382820107453]
本稿では,ChatGLM上に構築されたモデルである characterGLM について紹介する。我々のキャラクタGLMは文字ベースの対話(CharacterDial)を生成するために設計されており、人間固有の社会的欲求と感情的欲求を満たすための文字カスタマイズを備えた対話型AIシステムを実現することを目的としている。
論文参考訳（メタデータ） (2023-11-28T14:49:23Z)
NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
論文参考訳（メタデータ） (2023-10-02T13:24:00Z)
Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
論文参考訳（メタデータ） (2023-03-23T17:43:17Z)
Infusing Commonsense World Models with Graph Knowledge [89.27044249858332]
オープンワールドテキストアドベンチャーゲームにおける物語生成の設定について検討する。基礎となるゲーム状態のグラフ表現は、接地グラフ表現と自然言語記述とアクションの両方を消費し出力するモデルを訓練するために使用することができる。
論文参考訳（メタデータ） (2023-01-13T19:58:27Z)
Ontologically Faithful Generation of Non-Player Character Dialogues [26.88182907706951]
KNUDGE(KNowledge Constrained User-NPC Dialogue GEneration)は、ゲームキャラクター間の対話のツリーを作成するモデルである。 KNUDGEは、Obsidian EntertainmentのThe Outer Worldsのゲームデータから直接引き出されたサイドクエストの対話から構築されている。
論文参考訳（メタデータ） (2022-12-20T19:48:10Z)
Robust Preference Learning for Storytelling via Contrastive Reinforcement Learning [53.92465205531759]
制御された自動ストーリ生成は、自然言語批判や嗜好から制約を満たす自然言語ストーリを生成することを目指している。対照的なバイエンコーダモデルをトレーニングし、ストーリーを人間の批評と整合させ、汎用的な嗜好モデルを構築する。我々はさらに、ストーリー生成の堅牢性を高めるために、プロンプトラーニング技術を用いて、対照的な報酬モデルを微調整する。
論文参考訳（メタデータ） (2022-10-14T13:21:33Z)
A Benchmark for Understanding and Generating Dialogue between Characters in Stories [75.29466820496913]
本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。 DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
論文参考訳（メタデータ） (2022-09-18T10:19:04Z)
Telling Stories through Multi-User Dialogue by Modeling Character Relations [14.117921448623342]
本稿では,登場人物の1対2のナレーションと対話を通して物語が現れるキャラクター主導の物語継続について考察する。文字対話と文字関係情報を訓練するマルチタスクモデルにより,トランスフォーマーによる物語の継続性が向上する,という仮説を立てる。文字関係を用いたマルチタスクモデルでは,強いベースラインよりもストーリー継続精度が向上することが示唆された。
論文参考訳（メタデータ） (2021-05-31T15:39:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。