論文の概要: Persona-Pruner: Sculpting Lightweight Models for Role-Playing

• arxiv url: http://arxiv.org/abs/2606.14695v1
• Date: Fri, 12 Jun 2026 17:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:43.028351
• Title: Persona-Pruner: Sculpting Lightweight Models for Role-Playing
• Title（参考訳）: ペルソナ・プルーナー:ロールプレイングのための軽量モデル
• Authors: Jinsu Kim, Jihoon Tack, Noah Lee, Jongheon Jeong,
• Abstract要約: 本稿では,1つの記述からペルソナ固有のサブネットワークを分離することにより,軽量なロールプレイングモデルを彫刻するPersona-Prunerを提案する。 我々の実験は、ペルソナ・プルーナーが既存の最先端のプルーニング技術よりも効果的にロールプレイング性能を保っていることを一貫して示している。
• 参考スコア（独自算出の注目度）: 23.98750330758078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language Models (LMs) have shown remarkable potential as role-playing chatbots, delivering consistent, stylized interactions when given a specification of a character or user persona. However, applying these capabilities to real-world applications (e.g., ecosystems with numerous NPCs interacting simultaneously) exposes a critical inefficiency due to the excessive computational cost. In this paper, we question the necessity of dedicating a full, generalist model to a single persona, hypothesizing that a specific character identity relies on only a fraction of the model's total capacity. We observe that naively pruning LMs often severely degrades the role-playing performance for a specific persona; it does not distinguish between redundant knowledge and essential character traits. We propose Persona-Pruner, a framework that sculpts a lightweight role-playing model by isolating persona-specific sub-networks from a single description. Our experiments consistently show that Persona-Pruner preserves role-playing performance substantially more effectively than existing state-of-the-art LLM pruning techniques, reducing the performance drop from the dense model by up to 93.8% over the strongest baseline on RoleBench in LLM-as-a-judge score, while still maintaining general LLM capabilities. Code is available at https://github.com/jsu-kim/Persona-Pruner.
• Abstract（参考訳）: 言語モデル(LM)は、ロールプレイングチャットボットとして大きな可能性を示し、文字またはユーザペルソナの仕様が与えられたとき、一貫したスタイル化されたインタラクションを提供する。 しかし、これらの機能を現実世界のアプリケーション(例えば、多数のNPCが同時に相互作用するエコシステム)に適用すると、計算コストの過大さによる重要な非効率性が明らかになる。 本稿では,モデル全体の能力のごく一部にのみ依存していると仮定し,一人のペルソナに完全なジェネラリストモデルを捧げる必要性に疑問を呈する。 本研究は, ナチュラル・プルーニング LM は, 特定のペルソナのロールプレイング性能を著しく低下させることが多く, 冗長な知識と本質的な特徴を区別しない。 本稿では,1つの記述からペルソナ固有のサブネットワークを分離することにより,軽量なロールプレイングモデルを彫刻するPersona-Prunerを提案する。 実験の結果,Persona-Prunerは従来のLLMプルーニング技術よりも効果的にロールプレイング性能を保ちつつ,LLM-as-a-judgeスコアにおけるRoleBench最強ベースラインよりも高密度モデルの性能低下を最大93.8%低減できることがわかった。 コードはhttps://github.com/jsu-kim/Persona-Pruner.comで入手できる。

関連論文リスト

• RMTBench: Benchmarking LLMs Through Multi-Turn User-Centric Role-Playing [133.0641538589466]
  RMTBenchは、80の多様な文字と8000以上の対話ラウンドを特徴とする、総合的なテキストバプサー中心のバイリンガルロールプレイングベンチマークである。 本ベンチマークでは,文字記述よりも明示的なユーザモチベーションに基づく対話を構築し,実用的なユーザアプリケーションとの整合性を確保する。 RMTBenchは、キャラクタバックグラウンドからユーザ意図のフルフィルメントにフォーカスを移すことで、学術的な評価と実践的なデプロイメント要件のギャップを埋める。
  論文  参考訳（メタデータ） (2025-07-27T16:49:47Z)
• Test-Time-Matching: Decouple Personality, Memory, and Linguistic Style in LLM-based Role-Playing Language Agent [18.67432557362308]
  TTM(Test-Time-Matching)は、テスト時間スケーリングとコンテキストエンジニアリングによる、トレーニング不要なロールプレイングフレームワークである。 我々のフレームワークは、これらの機能を制御されたロールプレイングに利用する、構造化された3段階生成パイプラインを含んでいる。 高忠実なロールプレイングのパフォーマンスを実現し、多様な言語スタイルのシームレスな組み合わせや、個性や記憶のバリエーションも実現している。
  論文  参考訳（メタデータ） (2025-07-22T17:47:44Z)
• Enhancing Persona Consistency for LLMs' Role-Playing using Persona-Aware Contrastive Learning [7.836439251883518]
  モデルロールプレイング行動を調整するために,textbfunderlinePersona-Aware textbfunderlineContrastive textbfunderlineLearning (PCL) という新しいフレームワークを提案する。 自動評価法と人手による評価では,PCLはバニラLLMよりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-03-22T06:12:34Z)
• OpenCharacter: Training Customizable Role-Playing LLMs with Large-Scale Synthetic Personas [65.83634577897564]
  本研究では,文字一般化機能を備えた大規模言語モデルを実現するための大規模データ合成手法について検討する。 まず、ペルソナハブのペルソナを用いて、大規模な文字プロファイルを合成することから始める。 次に、応答書き換えと応答生成という2つの戦略を検討し、文字対応の命令応答を生成する。
  論文  参考訳（メタデータ） (2025-01-26T07:07:01Z)
• 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)
• Large Language Models are Superpositions of All Characters: Attaining Arbitrary Role-play via Self-Alignment [62.898963074989766]
  本稿では,ロールプレイのための自己アライメント手法であるDittoを紹介する。 この方法は4000文字からなるロールプレイトレーニングセットを生成し、現在利用可能なデータセットのスケールを10倍に超える。 本稿では,ロールプレイ領域におけるクロススーパービジョンアライメント実験について紹介する。
  論文  参考訳（メタデータ） (2024-01-23T03:56:22Z)

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。