行动前思考：具有心态的角色扮演模型
计算与语言
2024-09-24 v1 人工智能
摘要
角色扮演是大型语言模型(LLM)的易任务，因为它们擅长模拟人类行为。许多当前研究通过微调模型或使用专门提示符，使LLM能够以特定角色的语气生成响应。然而，通常容易识别出角色是否被LLM扮演。当面对LLM所假设角色不具备的知识时，或需要该角色特有的经验或逻辑才能回答的问题时，这些模型往往表现不佳。为解决此问题，使LLM更贴近真实角色行为，我们提出了“行动前思考”(Thinking Before Speaking，TBS)模型。与其他研究不同，我们首先基于角色的真实场景和历史对话扩展数据，为每对话补充角色的心态。随后添加包含角色知识之外要素的少量数据点，并对LLM进行微调。这种方法有助于LLM采纳角色的思维过程和逻辑，避免超出角色知识库的回应。我们还准备了一个数据集和评估指标来测试这些能力。实验结果表明，我们的TBS模型在语气、知识和心态方面能够更好地模拟角色。
引用
@article{arxiv.2409.13752,
title = {Thinking Before Speaking: A Role-playing Model with Mindset},
author = {Baohua Zhang and Yongyi Huang and Wenyao Cui and Huaping Zhang},
journal= {arXiv preprint arXiv:2409.13752},
year = {2024}
}