Fugu-MT 論文翻訳(概要): The Drama Machine: Simulating Character Development with LLM Agents

論文の概要: The Drama Machine: Simulating Character Development with LLM Agents

arxiv url: http://arxiv.org/abs/2408.01725v1
Date: Sat, 3 Aug 2024 09:40:26 GMT
ステータス: 処理完了
システム内更新日: 2024-08-06 18:40:53.598544
Title: The Drama Machine: Simulating Character Development with LLM Agents
Title（参考訳）: ドラママシン: LLMエージェントによるキャラクタ開発シミュレーション
Authors: Liam Magee, Vanicka Arora, Gus Gollings, Norma Lam-Saw,
Abstract要約: 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。我々は,異なるエゴを演じるLLMエージェントとスーパーエゴの心理的役割を協調するドラママシンの枠組みを紹介する。結果は、このマルチエージェントアプローチがよりニュアンスで適応的な物語を生み出すことを示唆している。
参考スコア（独自算出の注目度）: 1.999925939110439
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper explores use of multiple large language model (LLM) agents to simulate complex, dynamic characters in dramatic scenarios. We introduce a `drama machine' framework that coordinates interactions between LLM agents playing different `Ego' and `Superego' psychological roles. In roleplay simulations, this design allows intersubjective dialogue and intra-subjective internal monologue to develop in parallel. We apply this framework to two dramatic scenarios - an interview and a detective story - and compare character development with and without the Superego's influence. Though exploratory, results suggest this multi-agent approach can produce more nuanced, adaptive narratives that evolve over a sequence of dialogical turns. We discuss different modalities of LLM-based roleplay and character development, along with what this might mean for conceptualization of AI subjectivity. The paper concludes by considering how this approach opens possibilities for thinking of the roles of internal conflict and social performativity in AI-based simulation.
Abstract（参考訳）: 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,「エゴ」と「スーパーエゴ」の異なる役割を演じる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。ロールプレイシミュレーションでは、この設計により、オブジェクト間対話とオブジェクト内モノローグを並列に開発することができる。本稿では,この枠組みを2つの劇的なシナリオ – インタビューと探偵物語 – に適用し,キャラクター開発とスーパーエゴの影響の有無を比較した。探索的ではあるが、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を示唆している。我々は、LLMに基づくロールプレイとキャラクタ開発の違いと、これがAI主観性の概念化に何を意味するかについて議論する。本稿は,AIシミュレーションにおける内紛と社会的行動性の役割を考える上で,このアプローチがいかに可能性を開くかを考察して結論付ける。

関連論文リスト

Self-Emotion Blended Dialogue Generation in Social Simulation Agents [18.781929161272853]
本研究では,大規模言語モデル(LLM)に基づくシミュレーションフレームワークにおける対話戦略と意思決定において,自己感情がエージェントの行動にどのように影響するかを検討する。その結果、自己感情を取り入れることで、エージェントはより人間的な対話戦略を提示できることがわかった。エージェントが複数のトピックについて議論する仮想シミュレーション環境では,エージェントの自己感情がエージェントの意思決定プロセスに大きな影響を及ぼすことを示す。
論文参考訳（メタデータ） (2024-08-03T02:11:48Z)
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)
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)
From Role-Play to Drama-Interaction: An LLM Solution [57.233049222938675]
本稿では,従来のドラマに前例のない没入感を与えるemphLLMベースのインタラクティブドラマを紹介する。我々は、この新たな芸術ジャンルを、6つの重要な要素-プラット、キャラクタ、思考、辞書、スペクタクル、相互作用によって定義する。本稿では,プレイヤーとのインタラクションにおける物語の進行をより細かく制御するためのemphNarrative Chainを提案し,任意のストーリーをドラマスクリプトに合成するemphAuto-Dramaを提案する。
論文参考訳（メタデータ） (2024-05-23T07:03:56Z)
BattleAgent: Multi-modal Dynamic Emulation on Historical Battles to Complement Historical Analysis [62.60458710368311]
本稿では,大規模視覚言語モデルとマルチエージェントシステムを組み合わせたエミュレーションシステムであるBattleAgentを提案する。複数のエージェント間の複雑な動的相互作用をシミュレートし、エージェントとその環境をシミュレートすることを目的としている。指導者の意思決定プロセスと、兵士のような一般参加者の視点の両方をエミュレートする。
論文参考訳（メタデータ） (2024-04-23T21:37:22Z)
AgentGroupChat: An Interactive Group Chat Simulacra For Better Eliciting Emergent Behavior [44.82972192477596]
我々はAgentGroupChatを紹介した。これは集団行動を形成する上での言語の役割を解明するシミュレーションである。我々は,グループ力学における複雑な言語使用を模倣するシミュレーション能力を示すために,AgentGroupChatに基づく4つの物語シナリオを設定した。その結果,幅広い情報交換環境,多彩な特徴を持つ文字,高い言語的理解,戦略的適応性など,様々な要因から創発的行動が生み出すことが明らかとなった。
論文参考訳（メタデータ） (2024-03-20T09:21:32Z)
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)
Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文参考訳（メタデータ） (2024-01-07T19:11:18Z)
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)
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。