論文の概要: State-Inference-Based Prompting for Natural Language Trading with Game NPCs

• arxiv url: http://arxiv.org/abs/2507.07203v1
• Date: Wed, 09 Jul 2025 18:24:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.171885
• Title: State-Inference-Based Prompting for Natural Language Trading with Game NPCs
• Title（参考訳）: ゲームNPCを用いた自然言語トレーディングのための状態推論型プロンプト
• Authors: Minkyung Kim, Junsik Kim, Hwidong Bae, Woongcheol Yang, Sangdon Park, Sohee Bae,
• Abstract要約: 大規模言語モデルは動的なゲームインタラクションを可能にするが、ルールが支配するトレーディングシステムと競合する。 State-Inference-Based Prompting (SIBP) は、自律的な対話状態推論とコンテキスト固有のルール順守による信頼性の高い取引を可能にする。
• 参考スコア（独自算出の注目度）: 9.19109810969398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models enable dynamic game interactions but struggle with rule-governed trading systems. Current implementations suffer from rule violations, such as item hallucinations and calculation errors, that erode player trust. Here, State-Inference-Based Prompting (SIBP) enables reliable trading through autonomous dialogue state inference and context-specific rule adherence. The approach decomposes trading into six states within a unified prompt framework, implementing context-aware item referencing and placeholder-based price calculations. Evaluation across 100 trading dialogues demonstrates >97% state compliance, >95% referencing accuracy, and 99.7% calculation precision. SIBP maintains computational efficiency while outperforming baseline approaches, establishing a practical foundation for trustworthy NPC interactions in commercial games.
• Abstract（参考訳）: 大規模言語モデルは動的なゲームインタラクションを可能にするが、ルールが支配するトレーディングシステムと競合する。 現在の実装は、アイテムの幻覚や計算ミスといったルール違反に悩まされており、プレイヤーの信頼を損なう。 ここでは、状態推論ベース・プロンプティング(SIBP)は、自律的な対話状態推論と文脈固有の規則順守を通じて信頼できる取引を可能にする。 このアプローチは、コンテキスト対応アイテム参照とプレースホルダーベースの価格計算を実装した、統一的なプロンプトフレームワーク内の6つの状態にトレーディングを分解する。 100の取引対話における評価は、97%の状態コンプライアンス、95%の参照精度、99.7%の計算精度を示している。 SIBPは、ベースラインアプローチよりも優れた計算効率を維持し、商用ゲームにおける信頼性の高いNPCインタラクションの実践的基盤を確立する。

関連論文リスト

• Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
  長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。 この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。 このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
  論文  参考訳（メタデータ） (2025-06-06T08:42:34Z)
• Dynamic Coalition Structure Detection in Natural Language-based Interactions [29.093071108373717]
  戦略的マルチエージェントシーケンシャル相互作用において、動的連立構造の検出は、自己関心のエージェントが結果にどう影響するかを理解するために重要である。 エージェントが自然言語を用いて連携を交渉する戦略的マルチエージェントゲームであるDiplomacyにおける動的多角的連立形成を予測する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-22T20:12:52Z)
• Verbalized Bayesian Persuasion [54.55974023595722]
  情報設計(ID)は、送信者が受信者の最適な振る舞いにどのように影響し、特定の目的を達成するかを探索する。 本研究は,従来のBPを人間の対話を含む現実のゲームに拡張した,ベイズ説得(BP)における言語化フレームワークを提案する。 勧告書,法廷相互作用,法執行機関などの対話シナリオにおける数値実験により,従来のBPの理論的結果の再現と効果的な説得戦略の発見が可能であることを確認した。
  論文  参考訳（メタデータ） (2025-02-03T18:20:10Z)
• Contextual ASR Error Handling with LLMs Augmentation for Goal-Oriented Conversational AI [27.56203179880491]
  汎用自動音声認識(ASR)システムは、目標指向対話において必ずしもよく機能しない。 我々は、事前のユーザデータを持たないタスクに修正を拡張し、語彙や構文の変化のような言語的柔軟性を示す。
  論文  参考訳（メタデータ） (2025-01-10T17:35:06Z)
• Generative Agents for Multi-Agent Autoformalization of Interaction Scenarios [3.5083201638203154]
  本稿では,GAMA(Generative Agents for Multi-Agent Autoformalization)フレームワークを紹介する。 GAMAは大規模言語モデル(LLM)を付加したエージェントを用いたシミュレーションにおける相互作用シナリオの形式化を自動化する 5つの2x2同時移動ゲームにおける110の自然言語記述の実験では、GAMAは100%構文的、76.5%の意味的正当性を達成している。
  論文  参考訳（メタデータ） (2024-12-11T22:37:45Z)
• Improving the Robustness of Knowledge-Grounded Dialogue via Contrastive Learning [71.8876256714229]
  本稿では,知識ベース対話システムの堅牢性向上を目的とした,エンティティベースのコントラスト学習フレームワークを提案する。 提案手法は,自動評価スコアの点から,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-09T05:16:52Z)
• Evaluate Confidence Instead of Perplexity for Zero-shot Commonsense Reasoning [85.1541170468617]
  本稿では,コモンセンス推論の性質を再考し,新しいコモンセンス推論尺度であるNon-Replacement Confidence(NRC)を提案する。 提案手法は,2つのコモンセンス推論ベンチマークデータセットと,さらに7つのコモンセンス質問応答データセットに対してゼロショット性能を向上する。
  論文  参考訳（メタデータ） (2022-08-23T14:42:14Z)
• Evaluating Groundedness in Dialogue Systems: The BEGIN Benchmark [29.722504033424382]
  知識ベースの対話エージェントは、Wikipediaページなどの外部に提供される背景情報に基づいて会話を行うように設計されたシステムです。 BEGIN(Benchmark for Evaluation of Grounded Interaction)について紹介します。 beginは、言語モデルに基づく対話システムによって生成された8113の対話ターンからなり、システムの応答と背景情報の関係を人間の注釈で指定する。
  論文  参考訳（メタデータ） (2021-04-30T20:17:52Z)
• CoCo: Controllable Counterfactuals for Evaluating Dialogue State Trackers [92.5628632009802]
  本稿では,このギャップを橋渡しし,新たなシナリオにおける対話状態追跡(DST)モデルを評価するための制御可能な対策(CoCo)を提案する。 CoCoは、2つのステップで新しい会話シナリオを生成する: (i) スロットをドロップして追加し、スロット値を置き換えて、 (ii) (i) で条件付きで対話フローと整合する対実会話生成。 人間による評価では、COCO生成された会話は95%以上の精度でユーザー目標を完璧に反映し、元の会話と同じくらい人間らしくなっている。
  論文  参考訳（メタデータ） (2020-10-24T09:39:35Z)

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。