論文の概要: ANIMASK: What the Model Contributes to Role Play in Simulated Story Worlds
- arxiv url: http://arxiv.org/abs/2609.16667v1
- Date: Tue, 15 Sep 2026 05:43:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.357654
- Title: ANIMASK: What the Model Contributes to Role Play in Simulated Story Worlds
- Title（参考訳）: ANIMASK:シミュレートされたストーリーワールドにおけるロールプレイに寄与するモデル
- Abstract要約: ANIMASKは本やスクリプトをフリーズし、各ストーリーをフリーズポイントから再生するフレームワークである。
40のストーリー、6つのアクターモデル、3,846の意思決定ポイントで、リプレイはキャノンから1つの共有方向に収束する。
- 参考スコア（独自算出の注目度）: 7.891251085330825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When a language model plays a character, the observed behavior reflects both the assigned persona and the default dispositions of the actor model itself. Existing evaluations test persona fidelity or model defaults in isolation, but neither says, at a specific choice with consequences, what the persona changed and what the model's default kept. We introduce ANIMASK, a simulation framework that freezes books and scripts into story worlds whose characters act on their own motivations and replays each story from its freeze point. We hold out the author's continuation as a human reference, verify through in-story interviews that each persona remains present, and at every decision point compare the character's action with what the model produces when the persona is removed. Across 40 stories, 6 actor models, and 3,846 decision points, the replays converge away from their canons in one shared direction, toward flatter, cooler stories that leave their tensions open. The personas stay present and obeyed throughout. On three choices in four the model's default already falls inside what the persona accepts, and where the two diverge the model is the cautious one, holding where the persona would press. The persona guarantees who the character is, and the model sets how far the character will go.
- Abstract（参考訳）: 言語モデルが文字を再生するとき、観察された振る舞いは、割り当てられたペルソナとアクターモデル自体のデフォルトの配置の両方を反映する。
既存の評価では、テストペルソナの忠実度やモデルのデフォルトを独立した形で評価するが、結果の特定の選択、ペルソナの変更内容、モデルのデフォルトが保持しているものなどについては述べない。
ANIMASKは,登場人物が自身のモチベーションで行動し,各ストーリーをフリーズポイントから再生する物語の世界に,書籍やスクリプトを凍結するシミュレーションフレームワークである。
著者の人間参照としての継続を保ち、各ペルソナが存在することを物語内インタビューを通じて検証し、各決定ポイントにおいて、そのペルソナが取り除かれたときに生じるモデルとキャラクタの動作を比較した。
40のストーリーと6つのアクターモデル、3,846の意思決定ポイントで、リプレイはキャノンから1つの共有方向へと収束し、より平らでクールなストーリーへと進み、緊張を和らげる。
ペルソナは存在感を保ち、至る所で従う。
4つに3つの選択肢で、モデルのデフォルトは、すでにペルソナが受け入れる範囲内にあり、2つのパーソナがパーソナをプレスする場所を保持するために、モデルが慎重に分岐する場所にある。
ペルソナはキャラクタが誰であるかを保証し、モデルはキャラクタがどこまで進むかを設定する。
関連論文リスト
- NARRA-Gym for Evaluating Interactive Narrative Agents [69.49891044929372]
NARRA-Gymは,まばらな感情的シードを完全なインタラクティブな物語のエピソードに変換する評価環境である。
我々は,8つのベンチマークペルソナに対して制御されたLLM-as-judgeスイープと,参加者がカスタマイズされたモデル出力を評価できる人的評価を用いて,9つのフロンティアLLMを評価する。
論文 参考訳（メタデータ） (2026-05-08T21:36:23Z) - StoryAlign: Evaluating and Training Reward Models for Story Generation [52.44891270363296]
ストーリー嗜好に関する報酬モデルを評価するための最初のベンチマークであるStoryRMBを紹介する。
我々は、このデータセットでトレーニングされたストーリー優先のための高度な報酬モデルであるStoryRewardを開発する。
StoryRewardはStoryRMB上での最先端(SoTA)のパフォーマンスを達成し、はるかに大きなモデルより優れています。
論文 参考訳（メタデータ） (2026-05-06T12:28:17Z) - 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) - Assessing Social Alignment: Do Personality-Prompted Large Language Models Behave Like Humans? [9.771036970279765]
最先端のアプローチは、さまざまなトレーニングデータを利用して、モデルを特定のパーソナリティを採用するように促します。
我々は、古典的な心理学実験、ミルグラム実験、ウルティマトゥムゲーム(Ultimatum Game)を社会的相互作用テストベッドとして使用しています。
実験では, モデル動作の即時変調の失敗モードを明らかにし, 即時摂動下でテストおよび持続する全てのモデル間で共有される。
論文 参考訳（メタデータ） (2024-12-21T20:58:19Z) - Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona
Biases in Dialogue Systems [103.416202777731]
我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。
我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
論文 参考訳（メタデータ） (2023-10-08T21:03:18Z) - Skeleton-free Pose Transfer for Stylized 3D Characters [53.33996932633865]
骨格リグを使わずにスタイリングされた3D文字間でポーズを自動転送する最初の方法を提案する。
そこで本稿では,対象キャラクターを目的のポーズに合わせるために,キャラクタのスキニング重みと変形変形を共同で予測する新しいポーズ伝達ネットワークを提案する。
提案手法は,既存の文字データを一対のポーズとスタイル化された形状で吸収する半教師付き方式で訓練されている。
論文 参考訳（メタデータ） (2022-07-28T20:05:57Z) - Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。
これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。
MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。
パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
論文 参考訳（メタデータ） (2022-05-20T07:32:57Z) - Persona-Guided Planning for Controlling the Protagonist's Persona in
Story Generation [71.24817035071176]
本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。
自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
論文 参考訳（メタデータ） (2022-04-22T13:45:02Z) - Immersive Text Game and Personality Classification [1.9171404264679484]
没入型テキストゲームでは、プレイヤーはストーリーとキャラクターを選択し、没入型で他のキャラクターと対話することができる。
このゲームはテキスト生成言語モデル、情報抽出モデル、コモンセンス推論モデル、心理学評価モデルなど、いくつかの最新モデルに基づいている。
論文 参考訳（メタデータ） (2022-03-20T18:37:03Z) - Triangular Character Animation Sampling with Motion, Emotion, and
Relation [78.80083186208712]
本稿では,キャラクターの身体の動き,表情,社会的関係を関連づけることで,アニメーションのサンプリングと合成を行う新しい枠組みを提案する。
本手法は,3次元キャラクタアニメーションの自動生成,非プレーヤキャラクタ(NPC)間のインタラクションの合成,バーチャルリアリティ(VR)におけるマシン感情インテリジェンスの向上を支援するアニメーターを提供する。
論文 参考訳（メタデータ） (2022-03-09T18:19:03Z) - Telling Stories through Multi-User Dialogue by Modeling Character
Relations [14.117921448623342]
本稿では,登場人物の1対2のナレーションと対話を通して物語が現れるキャラクター主導の物語継続について考察する。
文字対話と文字関係情報を訓練するマルチタスクモデルにより,トランスフォーマーによる物語の継続性が向上する,という仮説を立てる。
文字関係を用いたマルチタスクモデルでは,強いベースラインよりもストーリー継続精度が向上することが示唆された。
論文 参考訳（メタデータ） (2021-05-31T15:39:41Z) - Controllable Multi-Character Psychology-Oriented Story Generation [28.054245616281023]
SoCP(Storytelling of Multi-Character Psychology)と呼ばれる新しいモデルに基づく注意機構を提案する。
提案モデルでは,異なるキャラクタの心理状態の変化を考慮した物語を生成可能であることを示す。
実験により、生成したストーリーは、自動評価と人的評価の両方に従って、各キャラクターの心理的状態に従うことが示された。
論文 参考訳（メタデータ） (2020-10-11T12:05:00Z)
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。