Crafting Customisable Characters with LLMs: Introducing SimsChat, a Persona-Driven Role-Playing Agent Framework

要約

大規模言語モデル (LLM) は、人間の指示を理解し、高品質のテキストを生成する優れた能力を示します。
この機能により、LLM は人間の基本的な動作の単なる複製を超えて、より洗練されたレベルで人間をエミュレートできるエージェントとして機能することができます。
ただし、LLM を活用してさまざまな側面からキャラクターを作成することについての検討は不足しています。
この作業では、LLM を活用して、さまざまなユーザーの好みに応じて自由にカスタマイズできる現実世界のキャラクターをシミュレートする、カスタマイズ可能な会話エージェント フレームワークを紹介します。
この適応性のあるフレームワークは、人間の好みに合わせてカスタマイズ可能なキャラクターやロールプレイング エージェントを設計するのに役立ちます。
私たちは、68 の異なるカスタマイズされたキャラクター、1,360 のマルチターン ロールプレイング ダイアログ、および合計 13,971 のインタラクション ダイアログを含む SimsConv データセットを提案します。
キャラクターは、キャリア、願望、特性、スキルなどの現実世界のいくつかの要素から作成されます。
これらの基盤に基づいて、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 を紹介します。
これには、現実世界の多様なシーンとトピック固有のキャラクターの相互作用ダイアログが組み込まれており、それによって、さまざまなシナリオにおけるキャラクターの人生経験と、トピック固有の特定の感情との相互作用をシミュレートします。
実験結果は、私たちが提案したフレームワークが望ましいパフォーマンスを達成し、将来的により正確な人間のシミュレーションを構築するための貴重なガイドラインを提供することを示しています。
私たちのデータとコードは https://github.com/Bernard-Yang/SimsChat で公開されています。

要約(オリジナル)

Large Language Models (LLMs) demonstrate a remarkable ability to comprehend human instructions and generate high-quality text. This capability allows LLMs to function as agents that can emulate human beings at a more sophisticated level, beyond the mere replication of basic human behaviours. However, there is a lack of exploring into leveraging LLMs to craft characters from diverse aspects. In this work, we introduce the Customisable Conversation Agent Framework, which leverages LLMs to simulate real-world characters that can be freely customised according to various user preferences. This adaptable framework is beneficial for the design of customisable characters and role-playing agents aligned with human preferences. We propose the SimsConv dataset, which encompasses 68 different customised characters, 1,360 multi-turn role-playing dialogues, and a total of 13,971 interaction dialogues. The characters are created from several real-world elements, such as career, aspiration, trait, and skill. Building upon these foundations, we present SimsChat, a freely customisable role-playing agent. It incorporates diverse real-world scenes and topic-specific character interaction dialogues, thereby simulating characters’ life experiences in various scenarios and topic-specific interactions with specific emotions. Experimental results indicate that our proposed framework achieves desirable performance and provides a valuable guideline for the construction of more accurate human simulacra in the future. Our data and code are publicly available at https://github.com/Bernard-Yang/SimsChat.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google