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
- Neeko: Leveraging Dynamic LoRA for Efficient Multi-Character
Role-Playing Agent [29.677383254892906]
Neekoは、効率的なマルチキャラクタ模倣のために設計された革新的なフレームワークである。
本フレームワークは,ロールプレイングのプロセスをエージェント事前学習,複数キャラクタプレイ,文字インクリメンタル学習に分解する。
論文 参考訳(メタデータ) (2024-02-21T11:30:20Z) - 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) - LARP: Language-Agent Role Play for Open-World Games [19.80040627487576]
Language Agent for Role-Playing (LARP)は、メモリ処理と意思決定アシスタントを含む認知アーキテクチャである。
このフレームワークは、ユーザとエージェント間のインタラクションを洗練し、ユニークなバックグラウンドとパーソナリティで事前に定義する。
エンターテイメント、教育、様々なシミュレーションシナリオなど、さまざまな分野における言語モデルの多彩な利用を強調している。
論文 参考訳(メタデータ) (2023-12-24T10:08:59Z) - 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) - 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) - Tachikuma: Understading Complex Interactions with Multi-Character and
Novel Objects by Large Language Models [67.20964015591262]
我々は,複数文字と新しいオブジェクトベースインタラクション推定タスクとサポートデータセットからなる,立久間というベンチマークを導入する。
このデータセットは、ゲームプレイ中のリアルタイム通信からログデータをキャプチャし、多様な、接地された複雑なインタラクションを提供して、さらなる探索を行う。
本稿では,対話理解の強化に有効であることを示すため,簡単なプロンプトベースラインを提案し,その性能評価を行う。
論文 参考訳(メタデータ) (2023-07-24T07:40:59Z) - 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) - 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。