論文の概要: Werewolf: A Straightforward Game Framework with TTS for Improved User Engagement

• arxiv url: http://arxiv.org/abs/2506.00160v1
• Date: Fri, 30 May 2025 18:58:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 04:22:50.616917
• Title: Werewolf: A Straightforward Game Framework with TTS for Improved User Engagement
• Title（参考訳）: Werewolf: ユーザエンゲージメントを改善するためのTSを備えたストレートフォワードゲームフレームワーク
• Authors: Qihui Fan, Enfu Nan, Wenbo Li, Lei Lu, Pu Zhao, Yanzhi Wang,
• Abstract要約: テキスト・トゥ・スペーチ(TTS)モデルをチューニングした,単純かつ簡単な LLM ベースの Werewolf ゲームシステムを提案する。 Werewolf のケースでは LLM 推論の強化により,余分なコンポーネントは不要になる,と我々は主張する。
• 参考スコア（独自算出の注目度）: 42.620240788389154
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing popularity of social deduction game systems for both business applications and AI research has greatly benefited from the rapid advancements in Large Language Models (LLMs), which now demonstrate stronger reasoning and persuasion capabilities. Especially with the raise of DeepSeek R1 and V3 models, LLMs should enable a more engaging experience for human players in LLM-agent-based social deduction games like Werewolf. Previous works either fine-tuning, advanced prompting engineering, or additional experience pool to achieve engaging text-format Werewolf game experience. We propose a novel yet straightforward LLM-based Werewolf game system with tuned Text-to-Speech(TTS) models designed for enhanced compatibility with various LLM models, and improved user engagement. We argue with ever enhancing LLM reasoning, extra components will be unnecessary in the case of Werewolf.
• Abstract（参考訳）: ビジネスアプリケーションとAI研究の両方におけるソーシャル推論ゲームシステムの普及は、大規模言語モデル(LLM)の急速な進歩から大きな恩恵を受けている。 特にDeepSeek R1とV3モデルの増加により、LLMはWerewolfのようなLLMエージェントベースのソーシャル推論ゲームにおいて、人間のプレイヤーにとってより魅力的な体験を可能にするだろう。 それまでの作業は、微調整、高度なプロンプトエンジニアリング、あるいはテキスト形式のWerewolfゲーム体験を実現するための追加体験プールといったものだった。 我々は,様々なLLMモデルとの互換性を向上し,ユーザエンゲージメントを向上させるために,テキスト・トゥ・スピーチ(TTS)モデルをチューニングした,比較的簡単なLLMベースのWerewolfゲームシステムを提案する。 Werewolf のケースでは LLM 推論の強化により,余分なコンポーネントは不要になる,と我々は主張する。

関連論文リスト

• WereWolf-Plus: An Update of Werewolf Game setting Based on DSGBench [3.3998740964877463]
  WereWolf-Plusは,マルチエージェントの戦略的推論を評価するためのマルチモデル,マルチ次元,マルチメソッドのベンチマークプラットフォームである。 プラットフォームは、Seer、Witch、Hunter、Guardian、Sheriffといったロールのカスタマイズ可能な設定をサポートし、フレキシブルなモデル割り当てと推論強化戦略をサポートする。 本稿では, 特殊役割, 人狼, 保安官に対する総合的な定量的評価指標を導入し, エージェント推論能力, 協力能力, 社会的影響に対する評価次元を充実させる。
  論文  参考訳（メタデータ） (2025-06-15T13:28:41Z)
• Towards Anthropomorphic Conversational AI Part I: A Practical Framework [49.62013440962072]
  会話に関わる人間の知性の重要な側面を再現するために設計されたマルチモジュールフレームワークを導入する。 アプローチの第2段階では、これらの会話データは、フィルタリングとラベル付けの後に、強化学習のためのトレーニングおよびテストデータとして機能する。
  論文  参考訳（メタデータ） (2025-02-28T03:18:39Z)
• Enhancing Dialogue Generation in Werewolf Game Through Situation Analysis and Persuasion Strategies [1.7725414095035827]
  本稿では,LLMをベースとしたWerewolf Game AIを提案する。 様々な説得戦略が採用され、他のプレイヤーを効果的にその行動に合わせるように説得する。
  論文  参考訳（メタデータ） (2024-08-29T14:49:13Z)
• Werewolf Arena: A Case Study in LLM Evaluation via Social Deduction [3.350801757799469]
  Werewolf Arenaは大規模言語モデル(LLM)を評価するためのフレームワークである ウェアウルフ・アリーナでは、LSMは互いに競い合っており、ゲームにおける詐欺、妄想、説得の複雑なダイナミクスをナビゲートしている。 Werewolf Arenaの実用性をGeminiとGPTモデルを備えたアリーナスタイルのトーナメントで実証する。
  論文  参考訳（メタデータ） (2024-07-18T23:41:05Z)
• Enhance Reasoning for Large Language Models in the Game Werewolf [15.730860371636336]
  本稿では,Large Language Models(LLM)を外部のThinkerモジュールと統合する革新的なフレームワークを提案する。 本フレームワークは,マルチシステム推論を必要とする9人プレイヤのWerewolfゲームを用いて提案する。 実験では, 帰納的推論, 音声生成, オンラインゲーム評価におけるフレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2024-02-04T03:47:10Z)
• AlignedCoT: Prompting Large Language Models via Native-Speaking Demonstrations [52.43593893122206]
  Alignedcotは、大規模言語モデルを呼び出すためのコンテキスト内学習技術である。 ゼロショットシナリオでは、一貫した正しいステップワイズプロンプトを達成する。 数学的推論とコモンセンス推論の実験を行う。
  論文  参考訳（メタデータ） (2023-11-22T17:24:21Z)
• Leveraging Word Guessing Games to Assess the Intelligence of Large Language Models [105.39236338147715]
  この論文は人気のある言語ゲーム『Who is Spy』にインスパイアされている。 本研究は,LEMの表現と変形能力を評価するためのDEEPを開発する。 次に、インタラクティブなマルチエージェントフレームワークであるSpyGameを紹介します。
  論文  参考訳（メタデータ） (2023-10-31T14:37:42Z)
• Language Agents with Reinforcement Learning for Strategic Play in the Werewolf Game [37.69298376616128]
  我々は、柔軟な言語行動を生成し、強力な意思決定能力を有する戦略的言語エージェントを開発する。 言語行動の本質的バイアスを軽減するため,我々のエージェントはLLMを用いて推論を行い,多様な行動候補を生成する。 実験により,我々のエージェントは本態性バイアスを克服し,Werewolfゲームにおいて既存のLSMベースのエージェントより優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-29T09:02:57Z)
• LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay [55.12945794835791]
  Avalon をテストベッドとして使用し,システムプロンプトを用いてゲームプレイにおける LLM エージェントの誘導を行う。 本稿では,Avalonに適した新しいフレームワークを提案し,効率的なコミュニケーションと対話を容易にするマルチエージェントシステムを提案する。 その結果、適応エージェントの作成におけるフレームワークの有効性を確認し、動的社会的相互作用をナビゲートするLLMベースのエージェントの可能性を提案する。
  論文  参考訳（メタデータ） (2023-10-23T14:35:26Z)
• Exploring Large Language Models for Communication Games: An Empirical Study on Werewolf [19.39740531672788]
  通信ゲームにおいて,大規模言語モデルに係わるチューニング不要なフレームワークを提案する。 代表的で広く研究されているコミュニケーションゲームWerewolf'の実証的研究は、我々のフレームワークがLLMのパラメータを調整せずにWerewolfゲームを効果的にプレイできることを実証している。
  論文  参考訳（メタデータ） (2023-09-09T01:56:40Z)
• SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
  我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。 実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。 我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
  論文  参考訳（メタデータ） (2023-05-24T18:14:35Z)

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。