論文の概要: Fame Fades, Nature Remains: Disentangling the Character Identity of Role-Playing Agents

• arxiv url: http://arxiv.org/abs/2601.04716v1
• Date: Thu, 08 Jan 2026 08:33:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.112148
• Title: Fame Fades, Nature Remains: Disentangling the Character Identity of Role-Playing Agents
• Title（参考訳）: ロールプレイングエージェントの性格を識別する「Fair Fades」と「Nature Remains」
• Authors: Yonghyun Jun, Junhyuk Choi, Jihyeong Park, Hwanhee Lee,
• Abstract要約: 本研究では,文字を2つの異なる層に分割する多次元的構成法を提案する。textbf(1) パラメトリック・アイデンティティは,LLMの事前学習から符号化された文字固有の知識を指し,textbf(2) 属性の属性や道徳的価値などの微粒な行動特性を捉える。 以上の結果から,RPAの忠実度の主要なボトルネックとして否定的な社会的特性が指摘され,今後の性格構築と評価を導いた。
• 参考スコア（独自算出の注目度）: 13.029517493304505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the rapid proliferation of Role-Playing Agents (RPAs) based on Large Language Models (LLMs), the structural dimensions defining a character's identity remain weakly formalized, often treating characters as arbitrary text inputs. In this paper, we propose the concept of \textbf{Character Identity}, a multidimensional construct that disentangles a character into two distinct layers: \textbf{(1) Parametric Identity}, referring to character-specific knowledge encoded from the LLM's pre-training, and \textbf{(2) Attributive Identity}, capturing fine-grained behavioral properties such as personality traits and moral values. To systematically investigate these layers, we construct a unified character profile schema and generate both Famous and Synthetic characters under identical structural constraints. Our evaluation across single-turn and multi-turn interactions reveals two critical phenomena. First, we identify \textit{"Fame Fades"}: while famous characters hold a significant advantage in initial turns due to parametric knowledge, this edge rapidly vanishes as models prioritize accumulating conversational context over pre-trained priors. Second, we find that \textit{"Nature Remains"}: while models robustly portray general personality traits regardless of polarity, RPA performance is highly sensitive to the valence of morality and interpersonal relationships. Our findings pinpoint negative social natures as the primary bottleneck in RPA fidelity, guiding future character construction and evaluation.
• Abstract（参考訳）: LLM(Large Language Models)に基づくRPAs(Role-Playing Agents)の急速な普及にもかかわらず、文字の同一性を定義する構造次元は弱い形式のままであり、しばしば文字を任意のテキスト入力として扱う。 本稿では,文字を2つの異なる層に分解する多次元構造である「textbf{Character Identity}」の概念を提案する。これは,LLMの事前学習から符号化された文字固有の知識と,性格特性や道徳的価値などの微粒な行動特性を捉える「textbf{(2) Attributive Identity}」である。 これらの階層を体系的に解析するために,統一された文字プロファイルスキーマを構築し,同じ構造制約の下でFamous文字とSynthetic文字の両方を生成する。 単ターンと多ターンの相互作用による評価は2つの重要な現象を呈する。 まず,<textit{"Fame Fades" を識別する: 有名なキャラクタはパラメトリックな知識によって最初のターンにおいて大きな優位性を持っているが,モデルが事前訓練された先行よりも会話コンテキストの蓄積を優先すると,このエッジは急速に消滅する。 第2に,<textit{"Nature Remains": モデルが極性に関係なく一般的な性格特性を強く表現するのに対し,RPAのパフォーマンスは道徳性や対人関係の有能さに非常に敏感である。 以上の結果から,RPAの忠実度の主要なボトルネックとして否定的な社会的特性が指摘され,今後の性格構築と評価を導いた。

関連論文リスト

• Breaking the Assistant Mold: Modeling Behavioral Variation in LLM Based Procedural Character Generation [62.54606886226136]
  手続き的コンテンツ生成は、レベル、マップ、クエストを通じて巨大な仮想世界を可能にするが、大規模なキャラクター生成は未調査のままである。 既存の手法では2つのアライメント誘起バイアスを同定する。 我々は、行動構築から世界構築を遠ざけるフレームワークであるPersonaWeaverを紹介した。
  論文  参考訳（メタデータ） (2026-01-06T20:18:01Z)
• Dynamic Context Adaptation for Consistent Role-Playing Agents with Retrieval-Augmented Generations [1.1740676332544449]
  ロールプレイングエージェント(RPAs)のためのトレーニングフリーフレームワークであるAmadeusを提案する。 アマデウスフレームワークは、キャラクタの知識を超えた質問に応答しても、ペルソナの一貫性を著しく向上させることができる。
  論文  参考訳（メタデータ） (2025-08-04T03:27:05Z)
• Traits Run Deep: Enhancing Personality Assessment via Psychology-Guided LLM Representations and Multimodal Apparent Behaviors [46.55948528317124]
  我々はtextittextbfTraits Run Deep という新しいパーソナリティ評価フレームワークを提案する。 テキストテキストbf心理学的インフォームドプロンプトを使用して、高いレベルの人格関連セマンティック表現を導き出す。 textittextbfText-Centric Trait Fusion Networkは、リッチテキストセマンティクスをアンロックして、他のモダリティからの非同期信号の整合と統合を行う。
  論文  参考訳（メタデータ） (2025-07-30T04:12:14Z)
• CharacterBox: Evaluating the Role-Playing Capabilities of LLMs in Text-Based Virtual Worlds [74.02480671181685]
  ロールプレイングは大規模言語モデル(LLM)の重要な機能である 現在の評価手法は, 実演に不可欠なニュアンス特性や動作を適切に把握するに足りていない。 本研究では,キャラクタボックスを提案する。キャラクタボックスは,キャラクタの微粒な挙動を再現するシミュレーションサンドボックスである。
  論文  参考訳（メタデータ） (2024-12-07T12:09:35Z)
• CHATTER: A Character Attribution Dataset for Narrative Understanding [31.540540919042154]
  我々はCHATTERのサブセットであるCHATTEREVALを検証する。CHATTEREVALは人間のアノテーションを用いて映画スクリプトの文字属性タスクを評価するためのベンチマークとして機能する。 evaldatasetはまた、言語モデルの物語理解と長文モデリング能力を評価する。
  論文  参考訳（メタデータ） (2024-11-07T22:37:30Z)
• Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
  パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。 本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
  論文  参考訳（メタデータ） (2024-09-29T14:41:43Z)
• CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
  文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。 実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。 CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
  論文  参考訳（メタデータ） (2024-06-14T17:23:57Z)
• CharacterGPT: A Persona Reconstruction Framework for Role-Playing Agents [6.220415006158471]
  文字ペルソナトレーニング(CPT)を通じて文字ペルソナを動的に再構築するフレームワークである characterGPT を紹介する。 この手法は、物語の進行を反映して、章的な小説の要約から特徴を抽出することで、ペルソナを漸進的に更新する。 我々の枠組みは、キャラクターがオリジナルな物語を生成する、ビッグファイブの人格評価と創造的なタスクを通して評価される。
  論文  参考訳（メタデータ） (2024-05-30T07:44:16Z)
• Identity-Aware Semi-Supervised Learning for Comic Character Re-Identification [2.4624325014867763]
  本稿では,メタラーニングと新しい「アイデンティティ・アウェア」自己監督手法を組み合わせた頑健なフレームワークを提案する。 我々のアプローチは、統合されたネットワークアーキテクチャにおいて、顔と身体の両方の機能を処理することである。 シリーズ内評価とシリーズ間評価の指標を用いて,本手法を広範囲に検証することにより,漫画のキャラクターを一貫した同定において,その有効性を示す。
  論文  参考訳（メタデータ） (2023-08-17T16:48:41Z)

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。