Leveraging Large Language Models for Active Merchant Non-player Characters

要約

現在の販売業者のノンプレイヤー キャラクター (NPC) の消極性につながる 2 つの重要な問題、つまり価格設定とコミュニケーションに焦点を当てます。
没入型のインタラクションが注目されている一方で、商人 NPC とプレイヤーの間のアイテム価格に関する交渉は十分な注目を集めていません。
まず、パッシブ価格設定を、販売者が事前に定義された商品価格を変更できる制限された能力として定義します。
第 2 に、受動的なコミュニケーションとは、マーチャントがスクリプト化された方法でのみプレーヤーと対話できることを意味します。
これらの問題に取り組み、アクティブなマーチャント NPC を作成するために、MART と呼ばれる大規模言語モデル (LLM) に基づくマーチャント フレームワークを提案します。このフレームワークは、評価モジュールと交渉モジュールで構成されます。
さまざまなトレーニング方法と LLM サイズを比較することで、ゲーム開発者が適切な実装を選択できるように、2 つの実験を実施しました。
私たちの調査結果は、教師あり微調整 (SFT) や知識蒸留 (KD) などの微調整手法が、小規模な LLM を使用してアクティブな販売者 NPC を実装する場合に効果的であることを示しています。
さらに、LLM の対応に起因するイレギュラーなケースが 3 件見つかりました。
私たちは、開発者がアクティブな販売者 NPC を開発するために LLM を使用する際に、私たちの調査結果が指針となることを期待しています。

要約(オリジナル)

We highlight two significant issues leading to the passivity of current merchant non-player characters (NPCs): pricing and communication. While immersive interactions have been a focus, negotiations between merchant NPCs and players on item prices have not received sufficient attention. First, we define passive pricing as the limited ability of merchants to modify predefined item prices. Second, passive communication means that merchants can only interact with players in a scripted manner. To tackle these issues and create an active merchant NPC, we propose a merchant framework based on large language models (LLMs), called MART, which consists of an appraiser module and a negotiator module. We conducted two experiments to guide game developers in selecting appropriate implementations by comparing different training methods and LLM sizes. Our findings indicate that finetuning methods, such as supervised finetuning (SFT) and knowledge distillation (KD), are effective in using smaller LLMs to implement active merchant NPCs. Additionally, we found three irregular cases arising from the responses of LLMs. We expect our findings to guide developers in using LLMs for developing active merchant NPCs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google