論文の概要: PERSONAWEAVER: Controllable Diversity Beyond Conventional Archetypes in Procedural Character Generation

• arxiv url: http://arxiv.org/abs/2609.26629v1
• Date: Tue, 22 Sep 2026 16:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.737826
• Title: PERSONAWEAVER: Controllable Diversity Beyond Conventional Archetypes in Procedural Character Generation
• Title（参考訳）: PERSONAWEAVER:手続き的文字生成における従来型以外の制御可能な多様性
• Abstract要約: 大規模言語モデル(LLM)は、このタスクをスケールするための有望な基盤を提供する。 既存の方法は文字を直接生成するか、ペルソナ銀行から取得したプロファイルを適応させる。 ペルソナウィーバーは、道徳的地位と会話反応の一般的な、多様で手作業による銀行を設定します。
• 参考スコア（独自算出の注目度）: 62.54606886226136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Procedural character generation aims to populate games, simulations, and other virtual worlds with diverse characters. Large language models (LLMs) offer a promising foundation for scaling this task. However, LLM-based procedural character generation remains at an early stage: existing methods either generate characters directly or adapt profiles retrieved from persona banks. As we show, both approaches produce behaviorally homogeneous populations: characters overwhelmingly agree with positive moral norms and respond to questions with helpful, assistant-like reactions. To mitigate this homogenization, we introduce PersonaWeaver, which disentangles world building from behavioral specification and models behavior through setting general, diverse, manually curated banks of moral positions and conversational reactions. This design allows us to test how far LLM(s) can be pushed beyond their default behavioral patterns across settings. Across ten realistic and fantastical settings and three LLM(s), PersonaWeaver produces broader moral and interactional response distributions than prior work. Its guidance also diversifies interpersonal language, response length, and sentiment. It also produces less archetypal combinations of world attributes. Code is available at https://github.com/mqraitem/PersonaWeaver.
• Abstract（参考訳）: 手続き的キャラクタ生成は、ゲーム、シミュレーション、その他の仮想世界を多様なキャラクタで表示することを目的としている。 大規模言語モデル(LLM)は、このタスクをスケールするための有望な基盤を提供する。 既存の手法は文字を直接生成するか、ペルソナバンクから取得したプロファイルを適応させるかのいずれかである。 キャラクタは肯定的な道徳規範に圧倒的に同意し、役に立つアシスタント的な反応で質問に答える。 この均質化を緩和するために、PersonaWeaverを導入し、行動仕様やモデル行動から世界構築を遠ざけ、全体的かつ多様で手動で調整された道徳的位置と会話反応の銀行を設定する。 この設計により、LLM(s)がデフォルトの動作パターンを超えて、設定間でどれくらいまでプッシュできるかをテストすることができます。 10の現実的で幻想的な設定と3つのLCM(s)の中で、PersonaWeaverは以前の作業よりも広い道徳的および相互作用的な応答分布を生成します。 そのガイダンスは、対人関係の言語、応答長、感情も多様化している。 また、世界属性の古風な組み合わせも少ない。 コードはhttps://github.com/mqraitem/PersonaWeaver.comで入手できる。

関連論文リスト

• 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)
• Beyond Profile: From Surface-Level Facts to Deep Persona Simulation in LLMs [50.0874045899661]
  本稿では,文字のテキストワークに現れる言語パターンと独特の思考パターンの両方を再現するモデルである characterBot を紹介する。 著名な中国の作家ル・ジュンをケーススタディとして、17冊のエッセイ集から派生した4つの訓練課題を提案する。 これには、外部の言語構造と知識を習得することに焦点を当てた事前訓練タスクと、3つの微調整タスクが含まれる。 言語的正確性と意見理解の3つのタスクにおいて、キャラクタボットを評価し、適応されたメトリクスのベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-02-18T16:11:54Z)
• 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)
• Character-LLM: A Trainable Agent for Role-Playing [67.35139167985008]
  大規模言語モデル(LLM)は、人間の振る舞いをシミュレートするエージェントとして用いられる。 本稿では, ベートーヴェン, クレオパトラ女王, ユリウス・カエサルなど, LLM に特定の人物として行動するように教えるキャラクタ-LLMを紹介する。
  論文  参考訳（メタデータ） (2023-10-16T07:58:56Z)

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。