Character-LLM：一种可训练的角色扮演智能体
计算与语言
2023-12-15 v2 人工智能
摘要
大型语言模型（LLMs）具有理解人类指令和提供高质量生成文本的强大能力，可用于充当模拟人类行为的智能体。这种能力促使我们思考，LLMs 能否以比简单人类行为更高级的形式来模拟一个人。因此，我们的目标是以特定人物的档案、经历和情感状态来训练一个智能体，而不是使用有限的提示来指导 ChatGPT API。在这项工作中，我们引入了 Character-LLM，它教导 LLMs 扮演特定人物，如贝多芬、克利奥帕特拉女王、尤利乌斯·凯撒等。我们的方法侧重于将档案编辑为某一角色的经历，并训练模型成为具有这些经历的个人模拟体。为评估我们方法的有效性，我们构建了一个测试游乐场，对训练后的智能体进行访谈，并评估这些智能体是否“记住”了它们的角色和经历。实验结果显示了一些有趣的观察，有助于未来构建人类模拟体。
引用
@article{arxiv.2310.10158,
title = {Character-LLM: A Trainable Agent for Role-Playing},
author = {Yunfan Shao and Linyang Li and Junqi Dai and Xipeng Qiu},
journal= {arXiv preprint arXiv:2310.10158},
year = {2023}
}
备注
To appear at EMNLP 2023; Repo at https://github.com/choosewhatulike/trainable-agents