論文の概要: Orca: Enhancing Role-Playing Abilities of Large Language Models by Integrating Personality Traits

• arxiv url: http://arxiv.org/abs/2411.10006v1
• Date: Fri, 15 Nov 2024 07:35:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:39:27.623096
• Title: Orca: Enhancing Role-Playing Abilities of Large Language Models by Integrating Personality Traits
• Title（参考訳）: Orca: パーソナリティトラストの統合による大規模言語モデルのロールプレイ能力向上
• Authors: Yuxuan Huang,
• Abstract要約: 我々は,人格特性を統合することで,カスタム文字のLLMをデータ処理し,訓練するためのフレームワークOrcaを提案する。 Orcaは4つのステージで構成されている。 パーソナリティ特性の推測、LCMの活用により、ユーザのBigFiveパーソナリティ特性のレポートとスコアを推測する。 提案手法は,本ベンチマークにおいて優れた性能を示すことを示す。
• 参考スコア（独自算出の注目度）: 4.092862870428798
• License:
• Abstract: Large language models has catalyzed the development of personalized dialogue systems, numerous role-playing conversational agents have emerged. While previous research predominantly focused on enhancing the model's capability to follow instructions by designing character profiles, neglecting the psychological factors that drive human conversations. In this paper, we propose Orca, a framework for data processing and training LLMs of custom characters by integrating personality traits. Orca comprises four stages: (1) Personality traits inferring, leverage LLMs to infer user's BigFive personality trait reports and scores. (2) Data Augment, simulate user's profile, background story, and psychological activities. (3) Dataset construction, personality-conditioned instruction prompting (PCIP) to stimulate LLMs. (4) Modeling and Training, personality-conditioned instruction tuning (PTIT and PSIT), using the generated data to enhance existing open-source LLMs. We introduce OrcaBench, the first benchmark for evaluating the quality of content generated by LLMs on social platforms across multiple scales. Our experiments demonstrate that our proposed model achieves superior performance on this benchmark, demonstrating its excellence and effectiveness in perceiving personality traits that significantly improve role-playing abilities. Our Code is available at https://github.com/Aipura/Orca.
• Abstract（参考訳）: 大規模言語モデルは、パーソナライズされた対話システムの開発を触媒し、多数のロールプレイング対話エージェントが出現している。 以前の研究では、人的会話を駆動する心理的要因を無視して、キャラクタープロファイルを設計することで、モデルが指示に従う能力を向上させることに主に焦点が当てられていた。 本稿では,人格特性を統合することで,カスタム文字のLLMをデータ処理し,学習するためのフレームワークOrcaを提案する。 Orcaは、(1)パーソナリティ特性を推測し、LSMを利用してユーザのBigFiveパーソナリティ特性のレポートとスコアを推測する。 2)データ拡張,ユーザのプロファイル,バックグラウンドストーリ,心理的活動のシミュレート。 (3)LPMを刺激するためのデータセット構築、パーソナリティ条件付き指導(PCIP)。 (4) 既存のオープンソース LLM を強化するために生成されたデータを用いて,PTIT と PSIT のモデリングとトレーニングを行う。 マルチスケールのソーシャルプラットフォーム上でLLMが生成するコンテンツの質を評価する最初のベンチマークであるOrcaBenchを紹介する。 実験により,提案モデルが評価性能に優れており,その優れた特性と,ロールプレイング能力を大幅に向上させる性格特性の認識の有効性が示された。 私たちのコードはhttps://github.com/Aipura/Orca.comから入手可能です。

関連論文リスト

• Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
  大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。 LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-16T07:47:45Z)
• Personality Alignment of Large Language Models [26.071445846818914]
  大規模言語モデル(LLM)を整列する現在の手法は、一般的に一般的な人間の価値観や振る舞いを反映することを目的としている。 パーソナリティアライメントの概念を紹介する。 このアプローチは、個々のユーザや近縁なグループの特定の嗜好に合うように、LSMの反応と決定を調整します。
  論文  参考訳（メタデータ） (2024-08-21T17:09:00Z)
• 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)
• PICLe: Eliciting Diverse Behaviors from Large Language Models with Persona In-Context Learning [20.39414674098941]
  大規模言語モデル(LLM)は、多種多様な性格特性で符号化された大量のテキストコーパスで訓練される。 対象のペルソナと整合するようにLCM動作をカスタマイズすることを目的として,ペルソナ推論タスクを形式化する。 本稿では,ベイズ推論に基づく新しいペルソナ推論フレームワークであるペルソナ・インコンテクスト・ラーニング(PICLe)を提案する。
  論文  参考訳（メタデータ） (2024-05-03T22:17:22Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Driving Generative Agents With Their Personality [0.0]
  本研究では,ゲームキャラクタ開発における心理測定値,特にパーソナリティ情報を活用するためのLarge Language Models (LLMs) の可能性を探る。 この研究は、LLMが与えられたパーソナリティプロファイルを一貫して表現できることを示し、ゲームキャラクタの人間的な特性を高める。
  論文  参考訳（メタデータ） (2024-02-21T21:29:57Z)
• LLMs Simulate Big Five Personality Traits: Further Evidence [51.13560635563004]
  Llama2, GPT4, Mixtralでシミュレートされた性格特性を解析した。 このことは、パーソナリティ特性をシミュレートするLLMの能力のより広範な理解に寄与する。
  論文  参考訳（メタデータ） (2024-01-31T13:45:25Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• 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)
• Personality Traits in Large Language Models [44.908741466152215]
  コミュニケーションの有効性を決定する重要な要因は人格である。 広範に使われている大規模言語モデルにおいて,パーソナリティテストの管理と検証を行う包括的手法を提案する。 本稿では,計測・形成手法の応用と倫理的意義,特に責任あるAIについて論じる。
  論文  参考訳（メタデータ） (2023-07-01T00:58:51Z)

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。