Characteristic AI Agents via Large Language Models

本文是LLM系列文章，针对《Characteristic AI Agents via Large Language Models》的翻译。

摘要

大型语言模型（LLM）的发展显著提高了聊天机器人系统的性能。许多研究人员致力于开发聊天机器人的特性。虽然已经有使用LLM开发角色驱动聊天机器人的商业产品，但值得注意的是，这一领域的学术研究仍然相对较少。我们的研究重点是通过模拟不同环境中的真实个体，研究LLM在构建特征人工智能代理方面的性能。目前的调查主要集中在扮演简单角色上。为了应对这一研究空白，我们为特征人工智能代理任务创建了一个基准，包括数据集、技术和评估指标。一个名为“Character100”的数据集是为这个基准构建的，它包括维基百科上访问量最大的人，用于语言模型的角色扮演。利用构建的数据集，我们对各种环境下的LLM进行了全面评估。此外，我们还设计了一套用于定量表现评估的自动指标。实验结果强调了LLM在构建特征人工智能代理方面进一步提高能力的潜在方向。该基准可在https://github.com/nuaa-nlp/Character100获得.

1 引言

2 相关工作

3 任务定义

4 Character100数据集构建

5 技术建模

6 实验设置

7 结果和分析

8