从记忆到行为：社交媒体影响者的行为感知角色扮演框架

大型语言模型显示出作为真实个体的角色扮演代理的强大潜力，但忠实的模仿仍然具有挑战性。现有的基于情境学习的方法无法捕捉个体在不同情况下的反应。此外，基于LLM的评估对于默默无闻的个人来说是很困难的。为了应对这些挑战，我们提出了情境--内部状态--行为角色方法来纳入情境相关的行为策略。我们进一步设计了一个评估协议，为大语言模型评估者提供有关被冒充个人的参考。我们在新构建的数据集上评估我们的方法，以完成在社交媒体上生成回复的任务。实验结果表明，我们提出的方法优于最先进的基于 ICL 的基线，而我们的评估协议与人类判断实现了适度的相关性。此外，虚构人物基准的实验表明，我们提出的方法适用于社交媒体环境之外。这些发现表明，纳入行为信息可以广泛提高社交媒体上真实个体或虚构人物角色扮演的保真度。