基于社交媒体上的角色扮演大语言模型的细粒度行为模拟
计算与语言
2024-12-05 v1 人工智能
计算机与社会
摘要
大语言模型（LLM）在角色扮演任务中展现出惊人的能力。然而，是否存在LLM能准确模拟用户在真实场景中的行为（如社交媒体）的研究仍有限。这需要模型有效分析用户历史并模拟其角色。本文引入了\textbf{FineRob}，一个新颖的细粒度行为模拟数据集。我们收集了1866个不同用户在三个社交媒体平台上的完整行为历史。每种行为被分解为三个细粒度元素：对象、类型和内容，生成78.6k QA记录。基于FineRob，我们识别出LLM行为模拟中两种主要推理模式，并提出\textbf{OM-CoT}微调方法以提升能力。通过全面实验，我们深入分析了行为模拟的关键因素，并展示了OM-CoT方法的有效性\footnote{代码和数据集已公开于\url{https://github.com/linkseed18612254945/FineRob}}
引用
@article{arxiv.2412.03148,
title = {Fine-Grained Behavior Simulation with Role-Playing Large Language Model on Social Media},
author = {Kun Li and Chenwei Dai and Wei Zhou and Songlin Hu},
journal= {arXiv preprint arXiv:2412.03148},
year = {2024}
}