要約
人工剤は、複雑な相互作用や意思決定のタスクの中心になりつつありますが、行動を望ましい人間の価値に合わせることは依然として開かれた課題です。
この作業では、人間のような性格特性が、テキストベースのインタラクティブ環境内でエージェントの行動とパフォーマンスにどのように影響するかを調査します。
Panda：Personality Adapted Neural Decisionエージェントを紹介します。これは、人格特性をエージェントに投影して行動を導くための新しい方法です。
テキストベースのゲームエージェントに性格を誘導するために、（i）エージェントのアクションが示す性格タイプを特定するためにパーソナリティ分類器を訓練し、（ii）パーソナリティプロファイルをエージェントのポリシー学習パイプラインに直接統合します。
25のテキストベースのゲームで16の異なる性格タイプを具体化し、軌跡を分析するエージェントを展開することにより、エージェントのアクション決定を特定の性格プロファイルに導くことができることを実証します。
さらに、より高いレベルのオープン性を特徴とするような特定の性格タイプは、パフォーマンスの顕著な利点を表示します。
これらの発見は、インタラクティブな環境でより整合し、効果的で、人間中心の意思決定を促進するための人格に適したエージェントの約束を強調しています。
要約(オリジナル)
Artificial agents are increasingly central to complex interactions and decision-making tasks, yet aligning their behaviors with desired human values remains an open challenge. In this work, we investigate how human-like personality traits influence agent behavior and performance within text-based interactive environments. We introduce PANDA: Personality Adapted Neural Decision Agents, a novel method for projecting human personality traits onto agents to guide their behavior. To induce personality in a text-based game agent, (i) we train a personality classifier to identify what personality type the agent’s actions exhibit, and (ii) we integrate the personality profiles directly into the agent’s policy-learning pipeline. By deploying agents embodying 16 distinct personality types across 25 text-based games and analyzing their trajectories, we demonstrate that an agent’s action decisions can be guided toward specific personality profiles. Moreover, certain personality types, such as those characterized by higher levels of Openness, display marked advantages in performance. These findings underscore the promise of personality-adapted agents for fostering more aligned, effective, and human-centric decision-making in interactive environments.
arxiv情報
| 著者 | Seungwon Lim,Seungbeen Lee,Dongjun Min,Youngjae Yu |
| 発行日 | 2025-04-28 07:35:12+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google