Capturing Minds, Not Just Words: Enhancing Role-Playing Language Models with Personality-Indicative Data

要約

ロール プレイング エージェント (RPA) は、大規模言語モデル (LLM) の人気のあるアプリケーション領域であり、産業界と学術界の両方から大きな関心を集めています。既存の RPA はキャラクターの知識や口調をうまく表現していますが、キャラクターの心を捉えるという課題に直面しています。
特に小規模なロールプレイング言語モデル (RPLM) の場合。
この論文では、性格を示すデータを介して RPLM を強化することを提案します。
具体的には、心理スケールからの質問を活用し、高度な RPA を抽出して、登場人物の心をつかむ対話を生成します。
実験結果は、私たちのデータセットで訓練された RPLM が、一般的な評価と性格関連の評価の両方において高度なロールプレイング能力を発揮することを検証しました。
コードとデータは \href{https://github.com/alienet1109/RolePersonality}{この URL} で入手できます。

要約(オリジナル)

Role-playing agents (RPA) have been a popular application area for large language models (LLMs), attracting significant interest from both industry and academia.While existing RPAs well portray the characters’ knowledge and tones, they face challenges in capturing their minds, especially for small role-playing language models (RPLMs). In this paper, we propose to enhance RPLMs via personality-indicative data. Specifically, we leverage questions from psychological scales and distill advanced RPAs to generate dialogues that grasp the minds of characters. Experimental results validate that RPLMs trained with our dataset exhibit advanced role-playing capabilities for both general and personality-related evaluations. Code and data are available at \href{https://github.com/alienet1109/RolePersonality}{this URL}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google