論文の概要: ROBOPSY PL[AI]: Using Role-Play to Investigate how LLMs Present Collective Memory

• arxiv url: http://arxiv.org/abs/2510.09874v1
• Date: Fri, 10 Oct 2025 21:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.660787
• Title: ROBOPSY PL[AI]: Using Role-Play to Investigate how LLMs Present Collective Memory
• Title（参考訳）: ROBOPSY PL[AI]: Role-Play を用いて LLM の集合記憶の理解
• Authors: Margarete Jahrmann, Thomas Brandstetter, Stefan Glasauer,
• Abstract要約: 本稿では,Large Language Models (LLMs) が集団記憶をどのようにキュレートし,現在に至るかを研究する,芸術的研究プロジェクトの最初の成果を示す。 訪問者は5つの異なるLCM(ChatGPT with GPT 4o and GPT 4o mini, Mistral Large, DeepSeek-Chat, and a local run Llama 3.1 model)と対話することができ、ナレーターとして機能するよう指示された。
• 参考スコア（独自算出の注目度）: 11.39745186328269
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper presents the first results of an artistic research project investigating how Large Language Models (LLMs) curate and present collective memory. In a public installation exhibited during two months in Vienna in 2025, visitors could interact with five different LLMs (ChatGPT with GPT 4o and GPT 4o mini, Mistral Large, DeepSeek-Chat, and a locally run Llama 3.1 model), which were instructed to act as narrators, implementing a role-playing game revolving around the murder of Austrian philosopher Moritz Schlick in 1936. Results of the investigation include protocols of LLM-user interactions during the game and qualitative conversations after the play experience to get insight into the players' reactions to the game. In a quantitative analysis 115 introductory texts for role-playing generated by the LLMs were examined by different methods of natural language processing, including semantic similarity and sentiment analysis. While the qualitative player feedback allowed to distinguish three distinct types of users, the quantitative text analysis showed significant differences between how the different LLMs presented the historical content. Our study thus adds to ongoing efforts to analyse LLM performance, but also suggests a way of how these efforts can be disseminated in a playful way to a general audience.
• Abstract（参考訳）: 本稿では,Large Language Models (LLMs) が集団記憶をどのようにキュレートし,現在に至るかを研究する,芸術的研究プロジェクトの最初の成果を示す。 2025年、ウィーンで2ヶ月間に展示された公開展示では、1936年にオーストリアの哲学者モリッツ・シュリック(英語版)が殺害された際に展開されたロールプレイングゲーム(ChatGPT with GPT 4o and GPT 4o mini, Mistral Large, DeepSeek-Chat, and a local run Llama 3.1 model)の5つの異なるLDM(ChatGPT with GPT 4o and GPT 4o mini, Mistral Large, DeepSeek-Chat, and a local run Llama 3.1 model)と対話することができた。 調査の結果は、ゲーム中のLLM-ユーザインタラクションのプロトコルや、ゲームに対するプレイヤーの反応を知るためのプレイ経験後の質的な会話が含まれている。 意味的類似性や感情分析を含む自然言語処理の異なる手法を用いて,LLMが生成したロールプレイングの入門テキスト115点を定量的に分析した。 定性的なプレイヤーフィードバックは3種類のユーザを区別することができたが、定量的テキスト分析では、異なるLLMが歴史的コンテンツをどう提示するかに有意な差異が認められた。 そこで本研究では,LLMの演奏分析への継続的な取り組みに加えて,これらの取り組みを一般の聴衆に広く普及させる方法も提案する。

関連論文リスト

• Let's Use ChatGPT To Write Our Paper! Benchmarking LLMs To Write the Introduction of a Research Paper [64.50822834679101]
  SciIGは、タイトル、抽象、および関連する作品からコヒーレントな紹介を生成するLLMの能力を評価するタスクである。 オープンソース (DeepSeek-v3, Gemma-3-12B, LLaMA 4-Maverick, MistralAI Small 3.1) およびクローズドソース GPT-4o システムを含む5つの最先端モデルを評価する。 結果は、特に意味的類似性と忠実性において、ほとんどのメトリクスにおいて、LLaMA-4 Maverickの優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-08-19T21:11:11Z)
• Collaborative Storytelling and LLM: A Linguistic Analysis of Automatically-Generated Role-Playing Game Sessions [55.2480439325792]
  RPG(ロールプレイングゲーム)とは、プレイヤーが互いに対話して物語を作るゲームである。 この共有物語の新たな形態は、主に口頭で注目されている。 本稿では,大言語モデル(LLM)の言語がRPGセッションの生成を依頼した場合に,どの程度に口頭や書面の機能を示すかを明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2025-03-26T15:10:47Z)
• GuideLLM: Exploring LLM-Guided Conversation with Applications in Autobiography Interviewing [73.8469700907927]
  大規模言語モデル(LLM)は、指示の追従や質問応答といった人間の指導による会話に成功している。 本研究では, LLM誘導会話を, ゴールナビゲーション, (ii) コンテキストマネジメント, (iii) 共感エンゲージメントの3つの基本要素に分類した。 GPT-4o や Llama-3-70b-Instruct のような6つの最先端 LLM と比較し, 面接品質, 自伝生成品質の観点から検討した。
  論文  参考訳（メタデータ） (2025-02-10T14:11:32Z)
• Can Large Language Models Capture Video Game Engagement? [1.3873323883842132]
  我々は、ビデオの連続的な影響アノテーションを注釈化し、うまく予測する一般的な大規模言語モデルの能力を包括的に評価する。 我々は, LLMアーキテクチャ, モデルサイズ, 入力モダリティ, プロンプト戦略, エンゲージメント予測に対する接地真理処理法の影響について, 2400以上の実験を行った。
  論文  参考訳（メタデータ） (2025-02-05T17:14:47Z)
• Character is Destiny: Can Role-Playing Language Agents Make Persona-Driven Decisions? [59.0123596591807]
  我々は、ペルソナ駆動意思決定におけるLarge Language Models(LLM)の能力をベンチマークする。 高品質な小説において, LLM が先行する物語のキャラクターの判断を予測できるかどうかを検討する。 その結果、現状のLLMは、このタスクに有望な能力を示すが、改善の余地は残されている。
  論文  参考訳（メタデータ） (2024-04-18T12:40:59Z)

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。