論文の概要: MCPDial: A Minecraft Persona-driven Dialogue Dataset

• arxiv url: http://arxiv.org/abs/2410.21627v1
• Date: Tue, 29 Oct 2024 00:19:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:42:36.303812
• Title: MCPDial: A Minecraft Persona-driven Dialogue Dataset
• Title（参考訳）: MCPDial:Minecraftペルソナ駆動の対話データセット
• Authors: Seyed Hossein Alavi, Sudha Rao, Ashutosh Adhikari, Gabriel A DesGarennes, Akanksha Malhotra, Chris Brockett, Mahmoud Adada, Raymond T. Ng, Vered Shwartz, Bill Dolan,
• Abstract要約: Minecraft Persona-driven Dialogue dataset (MCPDial)について紹介する。 専門家が書いた会話の小さなシードから始めると、さらに数百の会話を生成するために我々の手法が使われます。 会話は長く、プレイヤーとNPCの間の深い対話を可能にする。
• 参考スコア（独自算出の注目度）: 22.420926356322568
• License:
• Abstract: We propose a novel approach that uses large language models (LLMs) to generate persona-driven conversations between Players and Non-Player Characters (NPC) in games. Showcasing the application of our methodology, we introduce the Minecraft Persona-driven Dialogue dataset (MCPDial). Starting with a small seed of expert-written conversations, we employ our method to generate hundreds of additional conversations. Each conversation in the dataset includes rich character descriptions of the player and NPC. The conversations are long, allowing for in-depth and extensive interactions between the player and NPC. MCPDial extends beyond basic conversations by incorporating canonical function calls (e.g. "Call find a resource on iron ore") between the utterances. Finally, we conduct a qualitative analysis of the dataset to assess its quality and characteristics.
• Abstract（参考訳）: 本研究では,大言語モデル(LLM)を用いてプレイヤーと非プレイヤーキャラクタ(NPC)間の対話をゲーム内で生成する手法を提案する。 本手法の適用例を示すために,Minecraft Persona-driven Dialogue dataset (MCPDial)を紹介する。 専門家が書いた会話の小さなシードから始めると、さらに数百の会話を生成するために我々の手法が使われます。 データセット内の各会話は、プレーヤとNPCのリッチなキャラクタ記述を含む。 会話は長く、プレイヤーとNPCの間の深い対話を可能にする。 MCPDialは、標準関数呼び出し(例えば「鉄鉱石の資源を見つける」など)を発話の間に組み込むことによって、基本的な会話を超えて拡張する。 最後に、データセットの質と特性を評価するための定性的な分析を行う。

関連論文リスト

• 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)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• 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)
• Learning Retrieval Augmentation for Personalized Dialogue Generation [29.467644429517325]
  本稿では,対人対話生成における外部知識の活用の可能性について検討する。 補足データソースとしてROCStoryを用いたCONVAI2データセットを用いて行った実験では,提案手法がベースラインを大幅に上回ることが示された。
  論文  参考訳（メタデータ） (2024-06-27T02:38:13Z)
• PersonalityChat: Conversation Distillation for Personalized Dialog Modeling with Facts and Traits [5.447308344436046]
  PersonalityChatは、人気のPersonaChatデータセットに基づいた合成会話データセットである。 生成対話モデルの特質に基づくパーソナライズには,性格特性ラベルが有効であることを示す。
  論文  参考訳（メタデータ） (2024-01-14T20:35:33Z)
• Using Natural Language Inference to Improve Persona Extraction from Dialogue in a New Domain [44.05974724495336]
  訓練されたペルソナ抽出モデルを新しい環境に適応させる自然言語推論手法を提案する。 提案手法は高品質な抽出ペルソナを返却し,人間のアノテーションを少なくする。
  論文  参考訳（メタデータ） (2024-01-12T18:25:03Z)
• Faithful Persona-based Conversational Dataset Generation with Large Language Models [10.506653172302222]
  高品質な会話データセットは、ユーザと通信可能なAIモデルを開発する上で不可欠である。 我々は,会話の質を向上しつつ,初期データセットを拡張するためのGenerator-Criticアーキテクチャフレームワークを提案する。 我々はPersona-Chatからシードされた20万の会話からなるSynthetic-Persona-Chatをリリースする。
  論文  参考訳（メタデータ） (2023-12-15T18:23:50Z)
• MPCHAT: Towards Multimodal Persona-Grounded Conversation [54.800425322314105]
  我々はペルソナに基づく対話をマルチモーダル領域に拡張し、2つの主要な貢献をする。 まず,MPCHATという対話データセットを提案する。 第2に,マルチモーダル・ペルソナを組み込んだ多モーダル・ペルソナの対話タスクが,統計的に有意な性能向上をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2023-05-27T06:46:42Z)
• Large Language Models Meet Harry Potter: A Bilingual Dataset for Aligning Dialogue Agents with Characters [70.84938803753062]
  本稿では,対話エージェントと文字アライメントの研究を進めるために設計されたHarry Potter Dialogueデータセットを紹介する。 このデータセットはハリー・ポッターシリーズのすべての対話セッション(英語と中国語の両方)を含んでいる。 対話シーン、話者、人物関係、属性など、重要な背景情報とともに注釈付けされている。
  論文  参考訳（メタデータ） (2022-11-13T10:16:39Z)
• 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)
• CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset for Conversational AI [48.67259855309959]
  会話型AIのための既存のデータセットのほとんどは、人間の個性や感情を無視している。 CPEDは,中国における大規模パーソナライズされた感情対話データセットである。 CPEDには40のテレビ番組から392人の話者の12K以上の対話が含まれている。
  論文  参考訳（メタデータ） (2022-05-29T17:45:12Z)

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。