論文の概要: From Memory to Behavior: A Behavior-Aware Role-Playing Framework for Social Media Influencers

• arxiv url: http://arxiv.org/abs/2609.21349v1
• Date: Fri, 18 Sep 2026 06:06:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.873491
• Title: From Memory to Behavior: A Behavior-Aware Role-Playing Framework for Social Media Influencers
• Title（参考訳）: 記憶から行動へ:ソーシャルメディアインフルエンサーのための行動認識型ロールプレイングフレームワーク
• Abstract要約: 大規模言語モデルは、実際の個人にとってロールプレイングエージェントとして強い可能性を示してきたが、忠実なインフォーマリングは依然として困難である。 既存のコンテキスト内学習ベースの手法では、異なる状況下で個人がどのように反応するかをキャプチャできない。 我々は状況に依存した行動戦略を組み込むための状況-状況-状態-行動ペルソナ手法を提案する。
• 参考スコア（独自算出の注目度）: 18.69612796699794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models have shown strong potential as role-playing agents for real individuals, yet faithful impersonating remains challenging. Existing in-context learning-based methods fail to capture how individuals react under different situations. In addition, LLM-based evaluation is difficult for obscure individuals. To address these challenges, we propose Situation--Internal state--Behavior Persona method to incorporate situation-dependent behavioral strategies. We further design an evaluation protocol that provides LLM evaluators with references about the impersonated individual. We evaluate our approach on a newly constructed dataset for the task of generating replies on social media. Experimental results show that our proposed method outperforms state-of-the-art ICL-based baselines, while our evaluation protocol achieves moderate correlation with human judgment. Besides, experiments on fictional-character benchmarks demonstrate that our proposed method is applicable beyond the social media setting. These findings suggest that incorporating behavioral information broadly improves the fidelity of role-playing for real individuals on social media or fictional characters.
• Abstract（参考訳）: 大規模言語モデルは、実際の個人にとってロールプレイングエージェントとして強い可能性を示してきたが、忠実なインフォーマリングは依然として困難である。 既存のコンテキスト内学習ベースの手法では、異なる状況下で個人がどのように反応するかをキャプチャできない。 また,LLMに基づく評価は,不明瞭な個人にとって困難である。 これらの課題に対処するために、状況に依存した行動戦略を取り入れた状況-状況-状態-行動ペルソナ法を提案する。 我々はさらに、LLM評価者に対して、被写体に関する参照を提供する評価プロトコルを設計する。 ソーシャルメディア上で返信を生成するタスクのための,新たに構築されたデータセットに対するアプローチを評価する。 実験の結果,提案手法は最先端のICLベースラインよりも優れており,評価プロトコルは人間の判断と適度に相関していることがわかった。 さらに, フィクション・キャラクタ・ベンチマーク実験により, 提案手法がソーシャルメディア・セッティングを超えて適用可能であることを示す。 これらの結果から,行動情報の導入は,ソーシャルメディアや架空のキャラクターにおける実人物のロールプレイングの忠実度を広く向上させることが示唆された。

関連論文リスト

• ProMediConv: Benchmarking Proactive Conversational Agents in Legal Dispute Mediation [65.39532118490511]
  ProMediConvは、メディエーションをプロアクティブ、マルチステージ、パーティ対応の対話プロセスとしてモデル化する新しいベンチマークフレームワークである。 972個の実世界のケースを用いて,戦略およびBP状態の発話レベルアノテーションを用いた高忠実度調停データセットを構築した。 また、対話を通してBPシフトを捉えるための詳細な計量であるMAD(Mean Attribute difference)を提案する。
  論文  参考訳（メタデータ） (2026-09-10T05:26:40Z)
• Towards Simulating Social Media Users with LLMs: Evaluating the Operational Validity of Conditioned Comment Prediction [2.5450067638785945]
  本研究は,ユーザが所定の刺激に対してどのようにコメントするかをモデルが予測するタスクである条件付きコメント予測(CCP)を紹介する。 オープンウェイトな8Bモデル(Llama3.1、Qwen3、Ministral)を英語、ドイツ語、ルクセンブルク語のシナリオで評価する。
  論文  参考訳（メタデータ） (2026-02-26T08:40:21Z)
• JudgeAgent: Knowledge-wise and Dynamic LLM Evaluation with Agent-as-Interviewer [19.09571232466437]
  大規模言語モデル(LLM)のための動的評価パラダイムであるエージェント・アズ・インタービューアを提案する。 現在のベンチマークや動的相互作用のパラダイムとは異なり、エージェント・アズ・インタービューアはエージェントを使用して動的マルチターン質問生成においてより広く深い知識を得るために知識ツールを呼び出します。 我々は、知識駆動型合成をエージェントのツールとして活用し、戦略指導として難易度スコアリングを利用する知識ワイドな動的評価フレームワークであるJiceAgentを開発する。
  論文  参考訳（メタデータ） (2025-09-02T08:52:16Z)
• Noise, Adaptation, and Strategy: Assessing LLM Fidelity in Decision-Making [0.030586855806896043]
  大規模言語モデル(LLM)は、社会科学シミュレーションでますます使われている。 本研究では,LLMエージェントが外部誘導と人為的ノイズのレベルが異なる条件下でどのように適応するかを検討するためのプロセス指向評価フレームワークを提案する。 LLMは、デフォルトでは、観察された人間の行動から分岐する安定的で保守的な戦略に収束する。
  論文  参考訳（メタデータ） (2025-08-21T18:55:53Z)
• 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)
• 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)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)

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。