PERSONAWEAVER：程序角色生成中超越传统原型的可控多样性

程序角色生成旨在用不同的角色填充游戏、模拟和其他虚拟世界。大型语言模型 (LLM) 为扩展此任务提供了有希望的基础。然而，基于 LLM 的程序角色生成仍处于早期阶段：现有方法要么直接生成角色，要么改编从角色库检索的配置文件。正如我们所展示的，这两种方法都会产生行为同质的群体：角色绝大多数同意积极的道德规范，并以有益的、类似助手的反应来回答问题。为了缓解这种同质化，我们引入了 PersonaWeaver，它将世界构建与行为规范分离开来，并通过设置通用的、多样化的、手动管理的道德立场和对话反应库来对行为进行建模。这种设计使我们能够测试大语言模型在不同设置中可以超出其默认行为模式多远。在十个现实和幻想的环境和三个大语言模型中，PersonaWeaver 产生了比之前的工作更广泛的道德和互动响应分布。它的指导还使人际语言、回复长度和情绪多样化。它还产生较少的世界属性原型组合。代码可从此 https URL 获取。