論文の概要: Thespian: Multi-Character Text Role-Playing Game Agents

• arxiv url: http://arxiv.org/abs/2308.01872v1
• Date: Thu, 3 Aug 2023 16:53:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 13:19:38.593754
• Title: Thespian: Multi-Character Text Role-Playing Game Agents
• Title（参考訳）: Thespian: マルチプレイヤーテキストロールプレイングゲームエージェント
• Authors: Christopher Cui, Xiangyu Peng, Mark Riedl
• Abstract要約: 俳優が複数のキャラクターを演じる能力を持つキャラクターと俳優の区別を考察する。 我々は、複数の文字をソフトプロンプトとともにエミュレートすることを学ぶことができるセスピアンエージェントと呼ぶフレームワークを提案する。 エージェントは,マルチ文字学習および少数ショット学習において,アートエージェントフレームワークの状況よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 8.19666118455293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-adventure games and text role-playing games are grand challenges for reinforcement learning game playing agents. Text role-playing games are open-ended environments where an agent must faithfully play a particular character. We consider the distinction between characters and actors, where an actor agent has the ability to play multiple characters. We present a framework we call a thespian agent that can learn to emulate multiple characters along with a soft prompt that can be used to direct it as to which character to play at any time. We further describe an attention mechanism that allows the agent to learn new characters that are based on previously learned characters in a few-shot fashion. We show that our agent outperforms the state of the art agent framework in multi-character learning and few-shot learning.
• Abstract（参考訳）: テキストアドベンチャーゲームとテキストロールプレイングゲームは、強化学習ゲームエージェントにとって大きな課題である。 テキストロールプレイングゲームは、エージェントが特定のキャラクターを忠実にプレイしなければならないオープンエンド環境である。 我々は,アクターエージェントが複数のキャラクタをプレイする能力を持つキャラクタとキャラクタの区別を考える。 我々は,複数の文字をエミュレートすることを学ぶためのthespian agentと呼ばれるフレームワークと,どの文字をいつでもプレイするかを指示するソフトプロンプトを提案する。 さらに,これまで学習してきた文字に基づいて,エージェントが新たな文字を学ぶための注意機構について述べる。 エージェントは,マルチ文字学習および少数ショット学習において,アートエージェントフレームワークの状況よりも優れていることを示す。

関連論文リスト

• The Drama Machine: Simulating Character Development with LLM Agents [1.999925939110439]
  本稿では,多言語モデル (LLM) エージェントを用いたドラマティックシナリオにおける複雑な動的キャラクタのシミュレートについて検討する。 本稿では,異なる「エゴ」と「スーパーエゴ」の心理的役割を演じるLLMエージェント間の相互作用を協調するドラママシンフレームワークを提案する。 結果として、このマルチエージェントアプローチは、対話的なターンの連続を通して進化する、よりニュアンスで適応的な物語を生み出すことができることが示唆された。
  論文  参考訳（メタデータ） (2024-08-03T09:40:26Z)
• 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)
• IBSEN: Director-Actor Agent Collaboration for Controllable and Interactive Drama Script Generation [10.64793069233322]
  IBSENは、ドラマスクリプトを生成し、エージェントがプレイするプロットをより制御しやすいものにする監督・監督調整エージェントフレームワークである。 監督エージェントは、ユーザーが見たいと願うプロットの概要を書き、俳優エージェントにキャラクターをロールプレイするように指示し、人間のプレイヤーがシナリオに参加するときにプロットを再スケジュールし、プロットが目的に向かって進行していることを確認する。
  論文  参考訳（メタデータ） (2024-07-01T08:49:57Z)
• Capturing Minds, Not Just Words: Enhancing Role-Playing Language Models with Personality-Indicative Data [58.92110996840019]
  本稿では、パーソナリティを指標としたデータを用いて、ロールプレイング言語モデル(RPLM)を強化することを提案する。 具体的には、心理学的尺度からの質問を活用し、高度なRPAを蒸留し、文字の心を把握した対話を生成する。 実験により,本データセットを用いてトレーニングしたRPLMは,一般人格関連評価と人格関連評価の両面において,高度なロールプレイング能力を示した。
  論文  参考訳（メタデータ） (2024-06-27T06:24:00Z)
• Crafting Customisable Characters with LLMs: Introducing SimsChat, a Persona-Driven Role-Playing Agent Framework [29.166067413153353]
  大きな言語モデル(LLM)は人間の指示を理解し、高品質なテキストを生成する。 LLMを利用して実世界のキャラクターをシミュレートするCustomisable Conversation Agent Frameworkを導入する。 我々は、自由にカスタマイズ可能なロールプレイングエージェントであるSimsChatを紹介する。
  論文  参考訳（メタデータ） (2024-06-25T22:44:17Z)
• Large Language Models are Superpositions of All Characters: Attaining Arbitrary Role-play via Self-Alignment [62.898963074989766]
  本稿では,ロールプレイのための自己アライメント手法であるDittoを紹介する。 この方法は4000文字からなるロールプレイトレーニングセットを生成し、現在利用可能なデータセットのスケールを10倍に超える。 本稿では,ロールプレイ領域におけるクロススーパービジョンアライメント実験について紹介する。
  論文  参考訳（メタデータ） (2024-01-23T03:56:22Z)
• Deciphering Digital Detectives: Understanding LLM Behaviors and Capabilities in Multi-Agent Mystery Games [26.07074182316433]
  本稿では,Jubenshaに特化している最初のデータセットについて紹介する。 我々の研究は、LSMを使ったユニークなマルチエージェントインタラクションフレームワークも提供し、AIエージェントがこのゲームに自律的に関与できるようにする。 これらのAIエージェントのゲーム性能を評価するために,ケース情報と推論スキルの熟達度を測定する新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-12-01T17:33:57Z)
• Character-LLM: A Trainable Agent for Role-Playing [67.35139167985008]
  大規模言語モデル(LLM)は、人間の振る舞いをシミュレートするエージェントとして用いられる。 本稿では, ベートーヴェン, クレオパトラ女王, ユリウス・カエサルなど, LLM に特定の人物として行動するように教えるキャラクタ-LLMを紹介する。
  論文  参考訳（メタデータ） (2023-10-16T07:58:56Z)
• Deep Reinforcement Learning with Stacked Hierarchical Attention for Text-based Games [64.11746320061965]
  自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。 エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。 提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-10-22T12:40:22Z)
• Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
  本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。 本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
  論文  参考訳（メタデータ） (2020-04-08T14:11:05Z)
• Learning Dynamic Belief Graphs to Generalize on Text-Based Games [55.59741414135887]
  テキストベースのゲームをプレイするには、自然言語処理とシーケンシャルな意思決定のスキルが必要である。 本研究では,原文からエンドツーエンドに学習したグラフ構造化表現を用いて,エージェントがテキストベースのゲームでどのように計画・一般化できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-21T04:38:37Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。