PsyPlay：注入人格的角色扮演对话智能体
计算与语言
2025-02-07 v1
摘要
当前基于大语言模型（LLM）的角色扮演对话智能体（RPCA）研究主要侧重于模仿特定说话风格和利用角色背景，忽略了对更深层次人格特质的刻画。在本研究中，我们为LLM智能体引入了注入人格的角色扮演，鼓励智能体在对话中准确展现其指定的人格特质。随后，我们提出了PsyPlay，一个促进多个LLM智能体表达丰富人格的对话生成框架。具体而言，PsyPlay使智能体能够扮演具有不同人格特质的角色，并围绕特定主题展开讨论，在整个交互过程中始终展现其指定的人格特质。对生成对话数据的验证表明，PsyPlay能够准确刻画预期的人格特质，在GPT-3.5上取得了80.31%的整体成功率。值得注意的是，我们观察到，与负向价值观对齐的LLM相比，与正向价值观对齐的LLM在扮演正向人格角色方面更为成功。此外，我们构建了一个用于注入人格角色扮演的对话语料库，名为PsyPlay-Bench。该语料库包含使用PsyPlay正确刻画角色的4745个对话实例，旨在进一步促进个性化角色扮演和对话人格检测的研究。
引用
@article{arxiv.2502.03821,
title = {PsyPlay: Personality-Infused Role-Playing Conversational Agents},
author = {Tao Yang and Yuhua Zhu and Xiaojun Quan and Cong Liu and Qifan Wang},
journal= {arXiv preprint arXiv:2502.03821},
year = {2025}
}