論文の概要: From Persona to Personalization: A Survey on Role-Playing Language Agents

• arxiv url: http://arxiv.org/abs/2404.18231v2
• Date: Wed, 09 Oct 2024 12:11:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-10 14:30:08.246130
• Title: From Persona to Personalization: A Survey on Role-Playing Language Agents
• Title（参考訳）: ペルソナからパーソナライズへ:ロールプレイング言語エージェントに関する調査
• Authors: Jiangjie Chen, Xintao Wang, Rui Xu, Siyu Yuan, Yikai Zhang, Wei Shi, Jian Xie, Shuang Li, Ruihan Yang, Tinghui Zhu, Aili Chen, Nianqi Li, Lida Chen, Caiyu Hu, Siye Wu, Scott Ren, Ziquan Fu, Yanghua Xiao,
• Abstract要約: 大規模言語モデル(LLM)の最近の進歩はロールプレイング言語エージェント(RPLA)の台頭を後押ししている。 RPLAは、人間の類似性と鮮明なロールプレイングパフォーマンスの素晴らしい感覚を達成します。 彼らは感情的な仲間、インタラクティブなビデオゲーム、パーソナライズされたアシスタント、コピロなど、多くのAI応用を触媒してきた。
• 参考スコア（独自算出の注目度）: 52.783043059715546
• License:
• Abstract: Recent advancements in large language models (LLMs) have significantly boosted the rise of Role-Playing Language Agents (RPLAs), i.e., specialized AI systems designed to simulate assigned personas. By harnessing multiple advanced abilities of LLMs, including in-context learning, instruction following, and social intelligence, RPLAs achieve a remarkable sense of human likeness and vivid role-playing performance. RPLAs can mimic a wide range of personas, ranging from historical figures and fictional characters to real-life individuals. Consequently, they have catalyzed numerous AI applications, such as emotional companions, interactive video games, personalized assistants and copilots, and digital clones. In this paper, we conduct a comprehensive survey of this field, illustrating the evolution and recent progress in RPLAs integrating with cutting-edge LLM technologies. We categorize personas into three types: 1) Demographic Persona, which leverages statistical stereotypes; 2) Character Persona, focused on well-established figures; and 3) Individualized Persona, customized through ongoing user interactions for personalized services. We begin by presenting a comprehensive overview of current methodologies for RPLAs, followed by the details for each persona type, covering corresponding data sourcing, agent construction, and evaluation. Afterward, we discuss the fundamental risks, existing limitations, and future prospects of RPLAs. Additionally, we provide a brief review of RPLAs in AI applications, which reflects practical user demands that shape and drive RPLA research. Through this work, we aim to establish a clear taxonomy of RPLA research and applications, and facilitate future research in this critical and ever-evolving field, and pave the way for a future where humans and RPLAs coexist in harmony.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩はロールプレイング言語エージェント(RPLA)の台頭、すなわち割り当てられたペルソナをシミュレートするために設計された専門的なAIシステムの台頭を著しく加速させている。 文脈内学習、指示追従、ソーシャルインテリジェンスなど、複数のLLMの高度な能力を活用することで、RPLAは人間の類似性と鮮明なロールプレイングパフォーマンスの顕著な感覚を達成できる。 RPLAは、歴史人物や架空のキャラクターから現実の個人まで、幅広いペルソナを模倣することができる。 その結果、感情的な仲間、インタラクティブなビデオゲーム、パーソナライズされたアシスタントとコピロ、デジタルクローンなど、数多くのAIアプリケーションを触媒した。 本稿では,この分野を包括的に調査し,最先端のLDM技術と統合されたRPLAの進化と最近の進歩を概説する。 私たちはペルソナを3つのタイプに分類します。 1) 統計ステレオタイプを利用したデモグラフィックペルソナ 2 身元がよく整った人物に焦点をあてた人格 3)パーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズド・パーソナリティ。 まず、RPLAの現在の方法論の概要を概観し、続いて、対応するデータソーシング、エージェントの構築、評価について、各ペルソナタイプの詳細を示す。 その後、RPLAの基本的リスク、既存の制限、今後の展望について論じる。 さらに、AIアプリケーションにおけるRPLAの簡単なレビューを行い、RPLA研究を形作り推進する実践的なユーザ要求を反映する。 本研究は、RPLA研究と応用の明確な分類を確立し、この重要かつ絶え間なく進化する分野における将来の研究を促進することを目的としており、人間とRPLAが調和して共存する未来への道を開くことを目的としている。

関連論文リスト

• Agentic Society: Merging skeleton from real world and texture from Large Language Model [4.740886789811429]
  本稿では,人口統計データと大規模言語モデルを利用して仮想人口を生成する新しい枠組みについて検討する。 本手法は,社会科学実験において,多様な人間の行動のシミュレーションに不可欠な多様性のあるペルソナを生産することを示す。 しかし, 評価結果から, 現在のLSMの能力に限界があるため, 統計的真理性の弱い兆候しか得られないことが示唆された。
  論文  参考訳（メタデータ） (2024-09-02T08:28:19Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• The Oscars of AI Theater: A Survey on Role-Playing with Language Models [38.68597594794648]
  本調査では,言語モデルを用いたロールプレイングの急成長分野について検討する。 それは、初期のペルソナモデルから、Large Language Models(LLMs)によって促進される高度なキャラクタ駆動シミュレーションまでの開発に焦点を当てている。 データやモデル,アライメント,エージェントアーキテクチャ,評価など,これらのシステムを設計する上で重要なコンポーネントを包括的に分類する。
  論文  参考訳（メタデータ） (2024-07-16T08:20:39Z)
• MINDECHO: Role-Playing Language Agents for Key Opinion Leaders [50.43050502970816]
  本稿では、キーオピニオンリーダー(KOL)の開発と評価のためのフレームワークであるMINDECHOを紹介する。 MINDECHOは、様々な専門分野のインターネットビデオテキストからKOLデータを収集し、GPT-4を利用して会話を合成する。 KOLの一般次元(e, knowledge, tone)とファン中心次元の両方を対象として評価を行った。
  論文  参考訳（メタデータ） (2024-07-07T09:08:33Z)
• 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)
• Characteristic AI Agents via Large Language Models [40.10858767752735]
  本研究は,特有なAIエージェント構築における大規模言語モデルの性能調査に焦点をあてる。 character100''と呼ばれるデータセットがこのベンチマークのために構築されており、ウィキペディアの言語モデルでロールプレイを行う最も訪問者の多い人々で構成されている。 実験結果から,LLMの能力向上に向けた潜在的な方向性が明らかにされた。
  論文  参考訳（メタデータ） (2024-03-19T02:25:29Z)
• 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)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• 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)

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。