Codifying Character Logic in Role-Playing

要約

このペーパーでは、動作の意思決定のための構造化された実行可能機能として文字ロジックを表す新しいアプローチである、ロールプレイングのための成文化されたプロファイルを紹介します。
各プロファイルは、明示的な制御構造（例えば、If-Then-Else）とCheck_ondition（シーン、質問）などの状態チェックの両方を使用して、論理接地されたアサーショントリガーed_Statementsのリストを出力する関数Parse_by_scene（シーン）のセットを定義します。
True、False、または不明としてのLLM。
この明示的な表現は、従来のプロンプトベースのプロファイルよりも3つの重要な利点を提供します。これは、モデルの暗黙的な推論に依存するのではなく、文字ロジックの完全かつ一貫した実行を実施することにより、テキストプロンプトに文字説明を直接追加します。
（2）体系的な検査と行動論理の修正を通じて更新可能性。これは、プロンプトのみのアプローチで追跡またはデバッグすることが困難です。
（3）ロジック内で直接確率的挙動をサポートすることにより、制御可能なランダム性を促進し、促進する微粒子の変動性を可能にします。
これらの利点を検証するために、NLIベースのスコアリングを使用して、グラウンドトゥルースアクションとキャラクター応答を比較するために、ファンダムからキュレーションされた5,141シーンから構築された新しいベンチマークを導入します。
私たちの実験は、持続性、更新可能性、および行動の多様性を改善する上で、成文化されたプロファイルの重要な利点を示しています。
特に、前処理の推論のかなりの部分をオフロードすることにより、成文化されたプロファイルにより、1Bパラメーターモデルでも高品質のロールプレイを実行でき、ロールプレイエージェントのローカル展開のためのスケーラブルで効率的な基盤を提供します。

要約(オリジナル)

This paper introduces Codified Profiles for role-playing, a novel approach that represents character logic as structured, executable functions for behavioral decision-making. Each profile defines a set of functions parse_by_scene(scene) that outputs a list of logic-grounded assertions triggered_statements, using both explicit control structures (e.g., if-then-else) and condition checks like check_condition(scene, question), where each question is a semantically meaningful prompt about the scene (e.g., ‘Is the character in danger?’) discriminated by the role-playing LLM as true, false, or unknown. This explicit representation offers three key advantages over traditional prompt-based profiles, which append character descriptions directly into text prompts: (1) Persistence, by enforcing complete and consistent execution of character logic, rather than relying on the model’s implicit reasoning; (2) Updatability, through systematic inspection and revision of behavioral logic, which is difficult to track or debug in prompt-only approaches; (3) Controllable Randomness, by supporting stochastic behavior directly within the logic, enabling fine-grained variability that prompting alone struggles to achieve. To validate these advantages, we introduce a new benchmark constructed from 83 characters and 5,141 scenes curated from Fandom, using NLI-based scoring to compare character responses against ground-truth actions. Our experiments demonstrate the significant benefits of codified profiles in improving persistence, updatability, and behavioral diversity. Notably, by offloading a significant portion of reasoning to preprocessing, codified profiles enable even 1B-parameter models to perform high-quality role-playing, providing a scalable and efficient foundation for local deployment of role-play agents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google