論文の概要: Role-Playing Agents Driven by Large Language Models: Current Status, Challenges, and Future Trends

• arxiv url: http://arxiv.org/abs/2601.10122v1
• Date: Thu, 15 Jan 2026 07:08:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.0261
• Title: Role-Playing Agents Driven by Large Language Models: Current Status, Challenges, and Future Trends
• Title（参考訳）: 大規模言語モデルによるロールプレイングエージェントの現状と課題,今後の動向
• Authors: Ye Wang, Jiaxing Chen, Hongjiang Xiao,
• Abstract要約: 本稿では、ロールプレイング言語エージェント(RPLA)の現況とキー技術について体系的にレビューする。 心理的スケール駆動型キャラクターモデリング、メモリ拡張プロンプト機構、モチベーションに基づく行動決定制御など、高品質なロールプレイングをサポートする重要な技術経路を要約する。 本稿では、パーソナリティ進化モデル、マルチエージェントのコラボレーティブな物語、マルチモーダルな没入型相互作用、認知神経科学の統合など、ロールプレイングエージェントの今後の開発方向性について概説する。
• 参考スコア（独自算出の注目度）: 6.249024503883953
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, with the rapid advancement of large language models (LLMs), role-playing language agents (RPLAs) have emerged as a prominent research focus at the intersection of natural language processing (NLP) and human-computer interaction. This paper systematically reviews the current development and key technologies of RPLAs, delineating the technological evolution from early rule-based template paradigms, through the language style imitation stage, to the cognitive simulation stage centered on personality modeling and memory mechanisms. It summarizes the critical technical pathways supporting high-quality role-playing, including psychological scale-driven character modeling, memory-augmented prompting mechanisms, and motivation-situation-based behavioral decision control. At the data level, the paper further analyzes the methods and challenges of constructing role-specific corpora, focusing on data sources, copyright constraints, and structured annotation processes. In terms of evaluation, it collates multi-dimensional assessment frameworks and benchmark datasets covering role knowledge, personality fidelity, value alignment, and interactive hallucination, while commenting on the advantages and disadvantages of methods such as human evaluation, reward models, and LLM-based scoring. Finally, the paper outlines future development directions of role-playing agents, including personality evolution modeling, multi-agent collaborative narrative, multimodal immersive interaction, and integration with cognitive neuroscience, aiming to provide a systematic perspective and methodological insights for subsequent research.
• Abstract（参考訳）: 近年,大規模言語モデル (LLM) の急速な進歩に伴い,ロールプレイング言語エージェント (RPLA) は自然言語処理 (NLP) と人間とコンピュータの相互作用の交わりに注目が集まっている。 本稿では,RPLAの現況とキーテクノロジーを体系的にレビューし,初期のルールベースのテンプレートパラダイムから言語スタイルの模倣段階,パーソナリティモデリングと記憶機構を中心とした認知シミュレーション段階に至るまでの技術的進化を述べる。 心理的スケール駆動型キャラクターモデリング、メモリ拡張プロンプト機構、モチベーションに基づく行動決定制御など、高品質なロールプレイングを支援する重要な技術経路を要約する。 データレベルでは、データソース、著作権制約、構造化アノテーションプロセスに着目し、役割固有のコーパスを構築する方法と課題をさらに分析する。 評価の面では、ロール知識、性格の忠実さ、価値アライメント、インタラクティブな幻覚に関する多次元評価フレームワークとベンチマークデータセットを照合し、人間の評価、報酬モデル、LLMベースのスコアリングといった手法の利点とデメリットについてコメントする。 最後に、パーソナリティ進化モデル、マルチエージェント・コラボレーティブ・ナラティブ、マルチモーダル・没入型相互作用、認知神経科学との統合など、ロールプレイングエージェントの今後の開発方向性について概説し、その後の研究に体系的な視点と方法論的洞察を提供することを目的とする。

関連論文リスト

• Simulating Students with Large Language Models: A Review of Architecture, Mechanisms, and Role Modelling in Education with Generative AI [0.8703455323398351]
  大規模言語モデル(LLM)を用いた教育環境における学生の行動のシミュレートに関する研究のレビュー LLMをベースとしたエージェントが学習者の古型をエミュレートし、指導的な入力に反応し、マルチエージェントの教室シナリオ内で相互作用する能力に関する現在の証拠を示す。 本稿では,カリキュラム開発,教育評価,教員養成におけるシステムの役割について検討する。
  論文  参考訳（メタデータ） (2025-11-08T17:23:13Z)
• Adaptive Token Boundaries: Integrating Human Chunking Mechanisms into Multimodal LLMs [0.0]
  本研究は,ヒトのクロスモーダルチャンキング機構とトークン表現手法の並列性について,系統的研究を行った。 本稿では,適応的境界,階層的表現,認知科学の原理に基づくアライメント機構を取り入れた動的クロスモーダルトークン化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-03T09:14:24Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• The Oscars of AI Theater: A Survey on Role-Playing with Language Models [38.68597594794648]
  本調査では,言語モデルを用いたロールプレイングの急成長分野について検討する。 それは、初期のペルソナモデルから、Large Language Models(LLMs)によって促進される高度なキャラクタ駆動シミュレーションまでの開発に焦点を当てている。 データやモデル,アライメント,エージェントアーキテクチャ,評価など,これらのシステムを設計する上で重要なコンポーネントを包括的に分類する。
  論文  参考訳（メタデータ） (2024-07-16T08:20:39Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)

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。