VicSim: Enhancing Victim Simulation with Emotional and Linguistic Fidelity

要約

シナリオベースのトレーニングは、多くの公共サービス部門で広く採用されています。
大規模言語モデル (LLM) の最近の進歩により、さまざまなペルソナをシミュレートしてこれらのトレーニング シナリオを作成することが期待できることが示されています。
ただし、シナリオベースのトレーニング目的で被害者をシミュレートする LLM をどのように開発できるかについてはほとんど知られていません。
この論文では、情報の忠実性、感情のダイナミクス、言語スタイル (文法の使用など) というユーザー シミュレーションの 3 つの主要な側面に対処する新しいモデルである VicSim (被害者シミュレーター) を紹介します。
私たちは、シミュレートされた被害者の現実感を高めることを目的として、シナリオベースの被害者モデリングと GAN ベースのトレーニング ワークフローおよび主要情報ベースのプロンプトの統合を先駆的に行っています。
私たちの敵対的トレーニングアプローチは、弁別者に文法と感情的な手がかりを合成コンテンツの信頼できる指標として認識するよう教えます。
人間の評価者による評価によれば、VicSim モデルは人間らしさの点で GPT-4 を上回っています。

要約(オリジナル)

Scenario-based training has been widely adopted in many public service sectors. Recent advancements in Large Language Models (LLMs) have shown promise in simulating diverse personas to create these training scenarios. However, little is known about how LLMs can be developed to simulate victims for scenario-based training purposes. In this paper, we introduce VicSim (victim simulator), a novel model that addresses three key dimensions of user simulation: informational faithfulness, emotional dynamics, and language style (e.g., grammar usage). We pioneer the integration of scenario-based victim modeling with GAN-based training workflow and key-information-based prompting, aiming to enhance the realism of simulated victims. Our adversarial training approach teaches the discriminator to recognize grammar and emotional cues as reliable indicators of synthetic content. According to evaluations by human raters, the VicSim model outperforms GPT-4 in terms of human-likeness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google