推理未必能提升角色扮演能力
计算与语言
2025-07-23 v2 人工智能
摘要
角色扮演大语言模型（LLM）在学术和商业领域的应用正迅速扩展，推动了对高精度角色扮演模型日益增长的需求。与此同时，推理技术的快速发展不断突破LLM的性能边界。实际角色扮演需求与不断发展的推理能力的交汇引出了一个重要的研究问题：“推理技术能否增强LLM的角色扮演能力？”为解决这一问题，我们使用6个角色扮演基准、24个LLM和3种不同的角色扮演策略进行了全面研究，比较了直接零样本角色扮演、带有思维链（CoT）的角色扮演以及使用推理优化LLM的角色扮演的有效性。我们的发现表明，CoT可能会降低角色扮演性能，推理优化的LLM不适合用于角色扮演，推理能力破坏了角色扮演缩放定律，大型模型在高级角色扮演方面仍然缺乏熟练度，且中文角色扮演性能超越了英文角色扮演性能。此外，基于广泛的实验结果，我们提出了两个极具前景的未来研究方向：用于改进角色扮演LLM的角色感知CoT，以及用于角色扮演LLM的强化学习，旨在增强角色扮演LLM在研究和实际应用中的适应性、一致性和有效性。
引用
@article{arxiv.2502.16940,
title = {Reasoning Does Not Necessarily Improve Role-Playing Ability},
author = {Xiachong Feng and Longxu Dou and Lingpeng Kong},
journal= {arXiv preprint arXiv:2502.16940},
year = {2025}
}