FIREBALL: A Dataset of Dungeons and Dragons Actual-Play with Structured Game State Information

要約

タイトル：FIREBALL：構造化されたゲーム状態情報を持つダンジョンズ＆ドラゴンズの実際のプレイデータセット

要約：
– D&Dは、プレーヤー間の複雑な自然言語の相互作用と隠れた状態情報を持つテーブルトップRPGです。
– 大規模言語モデル（LLM）が状態情報にアクセスすることで、ダイアログ履歴だけを使用するLLMよりも高品質なゲームターンを生成できることが示されています。
– ただし、以前の研究では、啓発的に作成されたゲーム状態情報が使用され、真のゲーム状態ではありませんでした。
– そこで、本研究では、真のゲーム状態情報を含む、ほぼ25,000のユニークなセッションを収録した大型データセット「FIREBALL」を提供します。
– FIREBALLは、オンラインでD&Dをプレイする人々を支援するために開発されたAvraeボットを使用して、言語、ゲームコマンド、および基礎となるゲーム状態情報を収集しました。
– Avrae状態情報を使用することにより、FIREBALLは自然言語生成（NLG）を改善し、自動メトリックと品質の人間の判断の両方を向上させることを示します。
– 加えて、LLMは、ファインチューニング後に特にAvraeコマンドを生成できることも示されています。

要約(オリジナル)

Dungeons & Dragons (D&D) is a tabletop roleplaying game with complex natural language interactions between players and hidden state information. Recent work has shown that large language models (LLMs) that have access to state information can generate higher quality game turns than LLMs that use dialog history alone. However, previous work used game state information that was heuristically created and was not a true gold standard game state. We present FIREBALL, a large dataset containing nearly 25,000 unique sessions from real D&D gameplay on Discord with true game state info. We recorded game play sessions of players who used the Avrae bot, which was developed to aid people in playing D&D online, capturing language, game commands and underlying game state information. We demonstrate that FIREBALL can improve natural language generation (NLG) by using Avrae state information, improving both automated metrics and human judgments of quality. Additionally, we show that LLMs can generate executable Avrae commands, particularly after finetuning.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI