首篇「角色扮演AI」综述！复旦等提出大模型三层人格分类框架：群体、角色、个性化 | TMLR

原标题：首篇「角色扮演AI」综述！复旦等提出大模型三层人格分类框架：群体、角色、个性化 | TMLR
文章来源：新智元
内容字数：4463字

角色扮演AI：数字生命的曙光

近年来，随着大语言模型（LLMs）的快速发展，角色扮演AI（RPLAs）这一概念正逐渐从科幻走向现实。复旦大学的研究人员近期发表的一篇综述论文，系统梳理了RPLAs的研究现状，并为未来研究指明了方向。

1. RPLAs：模拟人类角色的AI系统

RPLAs系统能够模拟指定角色的能力，通过交互形式将不同角色带入现实。这体现了人类创造并与智能人工生命互动的渴望。论文中，研究人员提出了一种三层人格分类框架，将RPLAs的人格类型分为群体人格、角色人格和个性化人格，这三类人格并非相互，可以在一个RPLA系统存。

2. RPLAs的三层人格分类框架

① 群体人格：基于LLMs中关于特定群体（如职业、种族）的统计特征，通过简单的提示词即可激活；② 角色人格：代表广为人知的具体个体，如名人、历史人物和虚构角色，需要模型理解和运用已有角色数据；③ 个性化人格：基于个性化用户数据构建，强调个人独特的经历、需求和偏好，主要用于数字分身或个人助理等应用。

3. RPLAs的构建方法

RPLAs的构建主要依赖两种方法：参数化训练和非参数化提示。参数化训练包括预训练、监督微调和强化学习三个阶段，旨在提升模型的角色扮演能力和特定角色知识。非参数化提示则在上下文中提供人格数据和角色扮演指令，这些数据可以通过在线资源收集、自动提取、对话合成和人工标注等方式获取。现代RPLAs通常还会集成记忆模块，以提升交互体验。

4. RPLAs的评估体系

RPLAs的评估主要分为两类：角色扮演能力评估和人格还原度评估。前者关注拟人能力、吸引力和实用性等方面；后者则关注特定人格的RPLA是否很好地复制了目标人格的特点。目前主要的评估方法包括基于标准答案的自动评估、无标准答案的自动评估、多选题评估和人工评估，但每种方法都存在一定的局限性，对RPLAs的精准评估仍是一个开放性问题。

5. RPLAs面临的挑战与未来展望

尽管RPLAs展现出令人振奋的发展前景，但仍面临诸多挑战，例如构建更全面的角色数据集、实现更精准的评估方法、平衡真实性与安全性以及处理持续交互中的角色演变等。随着技术的进步，培育人类与智能体协同共存的社会生态将成为重要方向，这将改变人机交互的方式，并推动数字生命这一人类长期追求的实现。

总而言之，这篇综述论文为RPLAs的研究提供了宝贵的参考，也为未来研究指明了方向，相信随着技术的不断进步，RPLAs将在更多领域发挥作用，为人们带来更加智能、个性化的互动体验。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。