論文の概要: "Many Are My Names": The Anatomy of the Assistant and Its Personas via Sparse Autoencoders

• arxiv url: http://arxiv.org/abs/2608.07852v2
• Date: Fri, 14 Aug 2026 15:45:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 13:59:16.191834
• Title: "Many Are My Names": The Anatomy of the Assistant and Its Personas via Sparse Autoencoders
• Title（参考訳）: 多くは私の名前」:スパースオートエンコーダによるアシスタントとペルソナの解剖
• Abstract要約: ユーザ表現された感情テキストと対応するモデル応答のデータセットを用いて話者表現について検討する。 我々は3世代構成をターンバウンダリ位置と代名詞トケン位置で抽出したスパースオートエンコーダ特徴に分解する。 我々の主な発見は、アシスタントとロールプレイのペルソナが独立した代替品ではないことである。
• 参考スコア（独自算出の注目度）: 13.923849468280425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How a language model internally represents who is speaking, the Assistant, an assigned roleplay persona, or a narrated story character, remains underexplored. We study speaker representations using a dataset of user-expressed emotional text and corresponding model responses. We decompose three generation settings (Assistant, Roleplay, and Story) into sparse autoencoder features extracted at turn-boundary and pronoun-token positions and selected through a filtering pipeline for different depths. We characterize each surviving feature through its steering effects and activation distribution. Our main finding is that the Assistant and roleplay personas are not independent alternatives: personas retain the Assistant-associated feature core while progressively differentiating from it across layers, starting from operational machinery towards behavioral and stylistic features. Meanwhile, generated story characters lack the Assistant-associated core. Both Story and Roleplay can be distinguished from the Assistant with Immersive Simulation Mode. However, the Assistant can sometimes enter or slowly drift into it even in the default setting.
• Abstract（参考訳）: 言語モデルは、誰が話しているか、アシスタント、割り当てられたロールプレイペルソナ、ナレーションされたストーリーキャラクタを内部的にどのように表現するかは、まだ未解明のままである。 ユーザ表現された感情テキストと対応するモデル応答のデータセットを用いて話者表現について検討する。 我々は,3世代構成(アシスタント,ロールプレイ,ストーリー)をターンバウンダリおよび代名詞トケン位置で抽出したスパースオートエンコーダ機能に分解し,異なる深さのフィルタパイプラインを介して選択する。 我々は、その操舵効果と活性化分布によって、生き残った各特徴を特徴づける。 我々の主な発見は、アシスタントとロールプレイのペルソナが独立した代替品ではないことである。 一方、生成されたストーリーキャラクタは、Assistant関連コアを欠いている。 ストーリーとロールプレイは、Immersive Simulation Modeのアシスタントと区別することができる。 しかし、Assistantは、デフォルトの設定でも、入力したり、ゆっくりと流れ込んだりできる。

関連論文リスト

• ActorMind: Emulating Human Actor Reasoning for Speech Role-Playing [33.79520698647648]
  音声ロールプレイングにより、モデルは、役割、シーン、および音声対話に基づいて、パーソナライズされた言語特性を持つ自発的な応答を提供することができる。 ActorMindは、劇場での俳優の演技をエミュレートする、既成のマルチエージェント・チェーンスタイルの推論フレームワークだ。
  論文  参考訳（メタデータ） (2026-04-13T07:20:20Z)
• SpeechRole: A Large-Scale Dataset and Benchmark for Evaluating Speech Role-Playing Agents [72.79816494079833]
  ロールプレイングエージェントは、パーソナライズされた相互作用と感情共鳴を達成するための有望なパラダイムとして登場した。 既存の研究は主にテキストのモダリティに焦点を当て、現実的な対話的なシナリオにおける音声の重要な次元を無視している。 我々は,98の多様な役割と112kの音声ベースの1ターン・マルチターン会話からなる大規模かつ高品質なデータセットであるSpeechRole-Dataを構築した。
  論文  参考訳（メタデータ） (2025-08-04T03:18:36Z)
• OmniCharacter: Towards Immersive Role-Playing Agents with Seamless Speech-Language Personality Interaction [123.89581506075461]
  OmniCharacter は,低レイテンシで没入型 RPA を実現するための対話型対話モデルである。 具体的には、OmniCharacterは、エージェントが相互作用を通して、ロール固有の性格特性と声質特性を一貫して表示できるようにする。 提案手法は,既存のRPAモデルや主流言語モデルと比較して,応答遅延を289msに抑えながら,内容とスタイルの両面で優れた応答が得られる。
  論文  参考訳（メタデータ） (2025-05-26T17:55:06Z)
• 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)
• 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)
• A Multi-Task Role-Playing Agent Capable of Imitating Character Linguistic Styles [28.237927070779925]
  現在のロールプレイングエージェント(RPAs)は、主に言語のスタイルの複製を無視しながら、キャラクターの基本属性を模倣することに焦点を当てている。 ダイアログ,辞書,コンポジション,ストーリ生成,製品記述,音楽解説,オープン質問回答を含む7つのタスクにおいて,近年のオープンソースLLMとRPAのベースラインを著しく上回るマルチタスクロールプレイングエージェント(MRPA)であるStyleRPAを開発した。
  論文  参考訳（メタデータ） (2024-11-04T02:26:27Z)
• Capturing Minds, Not Just Words: Enhancing Role-Playing Language Models with Personality-Indicative Data [58.92110996840019]
  本稿では、パーソナリティを指標としたデータを用いて、ロールプレイング言語モデル(RPLM)を強化することを提案する。 具体的には、心理学的尺度からの質問を活用し、高度なRPAを蒸留し、文字の心を把握した対話を生成する。 実験により,本データセットを用いてトレーニングしたRPLMは,一般人格関連評価と人格関連評価の両面において,高度なロールプレイング能力を示した。
  論文  参考訳（メタデータ） (2024-06-27T06:24:00Z)
• Crafting Customisable Characters with LLMs: A Persona-Driven Role-Playing Agent Framework [34.10771464849132]
  大きな言語モデル(LLM)は、命令を理解し、人間に似たテキストを生成する素晴らしい能力を示す。 実世界のキャラクターをシミュレートするためにLLMを利用するCustomisable Conversation Agent Frameworkを導入する。 我々は,様々な現実的な設定を取り入れた自由にカスタマイズ可能なロールプレイングエージェントであるSimsChatを紹介する。
  論文  参考訳（メタデータ） (2024-06-25T22:44:17Z)
• 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)
• 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。