論文の概要: CriticaLLM: Using LLMs as Autonomous Game Master for Tabletop Role-Playing Games

• arxiv url: http://arxiv.org/abs/2610.21525v1
• Date: Thu, 15 Oct 2026 08:56:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.012813
• Title: CriticaLLM: Using LLMs as Autonomous Game Master for Tabletop Role-Playing Games
• Title（参考訳）: CriticaLLM:テーブルトップロールプレイングゲームの自律ゲームマスターとしてLLMを使用する
• Abstract要約: 大きな言語モデル(LLM)は、大量のテキストを処理するなど、多くのタスクにわたって印象的な機能を示している。 本稿では,TTRPGの文脈でLLMが提示すべき重要なコンポーネントについて述べる。 TTRPGゲーム全体を実行できる完全に自動化されたゲームマスターであるCriticaLLMを紹介します。
• 参考スコア（独自算出の注目度）: 0.9134661726886929
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have shown impressive capabilities across many tasks, including processing large amounts of text, following instructions, and generating ideas. This allows the use of such models in various contexts, including games and Tabletop Role-Playing Games (TTRPGs), such as Dungeons & Dragons. However, these games include many complex components, from crafting interesting stories to adhering to rules, while allowing some freedom in players' actions. In this work, we first highlight key components that LLMs should exhibit in the context of TTRPGs. Then, we introduce our framework, CriticaLLM, a fully automated Game Master that can run entire TTRPG games, from creating diverse and interesting stories to managing exploration and combat phases. We evaluate our framework with actual TTRPG players and examine the diversity of generated plots and antagonists across four LLMs of varying sizes. Overall, our framework appears to be a promising option for running entire TTRPG games.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、大量のテキストを処理すること、命令に従うこと、アイデアを生成することなど、多くのタスクにわたって印象的な機能を示している。 これにより、Dungeons & DragonsのようなゲームやTabletop Role-Playing Games(TTRPG)など、さまざまなコンテキストでそのようなモデルを使用することが可能になる。 しかし、これらのゲームには、興味深いストーリーの製作からルールの遵守、プレイヤーの行動の自由化など、複雑な要素が多数含まれている。 本研究は, TTRPGの文脈において, LLMが提示すべき重要なコンポーネントを最初に強調する。 次に、TTRPGゲーム全体を実行できる完全に自動化されたゲームマスターであるCriticaLLMを紹介します。 本フレームワークを実際のTTRPGプレーヤーで評価し,異なる大きさの4つのLLMで生成されたプロットとアンタゴニストの多様性について検討する。 全体として、私たちのフレームワークはTTRPGゲーム全体を実行する上で有望な選択肢であるようです。

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)
• 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)
• RPGBENCH: Evaluating Large Language Models as Role-Playing Game Engines [34.002194150560086]
  本稿では,大言語モデル (LLM) をテキストベースのロールプレイングゲーム (RPG) エンジンとして評価するための最初のベンチマークであるRPGBenchを紹介する。 RPGBenchは、ゲーム作成(GC)とゲームシミュレーション(GS)の2つのコアタスクから構成される。
  論文  参考訳（メタデータ） (2025-02-01T23:40:24Z)
• What if Red Can Talk? Dynamic Dialogue Generation Using Large Language Models [0.0]
  本稿では,大規模言語モデル(LLM)を用いて動的かつ文脈的に適切な文字相互作用を生成する対話フィラーフレームワークを提案する。 The Final Fantasy VII Remake and Pokemonの環境でこのフレームワークをテストする。 本研究の目的は,よりニュアンスの高いフィラーダイアログ作成を支援することであり,それによってプレイヤーの没入感を高め,RPG体験の全般的向上を図ることである。
  論文  参考訳（メタデータ） (2024-07-29T19:12:18Z)
• A Text-to-Game Engine for UGC-Based Role-Playing Games [6.5715027492220734]
  本稿では,単純なテキスト入力を複雑なマルチモーダルRPG体験に変換する基礎モデルを活用する,テキスト・ツー・ゲームエンジンの新しいフレームワークを提案する。 エンジンは動的にゲームナラティブを生成し、テキスト、ビジュアル、メカニックを統合すると同時に、プレイヤーのインタラクションに基づいてキャラクター、環境、ゲームプレイをリアルタイムで適応させる。
  論文  参考訳（メタデータ） (2024-07-11T05:33:19Z)
• 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)
• CALYPSO: LLMs as Dungeon Masters' Assistants [46.61924662589895]
  大規模言語モデル(LLM)は、一貫性のある自然言語テキストを生成する優れた能力を示している。 本稿では,LCMを利用したインタフェースシステムであるCALYPSOについて紹介する。 CALYPSOへのアクセスが認められたとき、DMはプレイヤーへの直接のプレゼンテーションに適した高忠実なテキストを生成し、DMがクリエイティブエージェンシーを維持しながらさらに発展できるという低忠実なアイデアを作成したと報告した。
  論文  参考訳（メタデータ） (2023-08-15T02:57:00Z)
• SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
  我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。 実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。 我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
  論文  参考訳（メタデータ） (2023-05-24T18:14:35Z)

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。