PsyPlay: Personality-Infused Role-Playing Conversational Agents

📄 arXiv: 2502.03821v1 📥 PDF

作者: Tao Yang, Yuhua Zhu, Xiaojun Quan, Cong Liu, Qifan Wang

分类: cs.CL

发布日期: 2025-02-06

💡 一句话要点

PsyPlay：提出一种人格注入的角色扮演对话Agent框架

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 角色扮演对话Agent 人格注入 大型语言模型 对话生成 个性化 PsyPlay-Bench 人格特质 对话语料库

📋 核心要点

  1. 现有角色扮演对话Agent主要关注模仿说话风格和利用角色背景，忽略了对深层人格特质的刻画。
  2. PsyPlay框架通过人格注入，使Agent在对话中准确展现指定人格特质，围绕特定主题进行讨论。
  3. 实验表明，PsyPlay在GPT-3.5上人格特质描绘成功率达80.31%，并构建了PsyPlay-Bench对话语料库。

📝 摘要（中文）

当前基于大型语言模型(LLM)的角色扮演对话Agent(RPCAs)研究主要集中在模仿特定说话风格和利用角色背景，忽略了对更深层次人格特质的刻画。本研究引入了人格注入的角色扮演，旨在鼓励Agent在对话中准确地展现其指定的人格特质。为此，我们提出了PsyPlay，一个对话生成框架，能够促进多个LLM Agent之间丰富人格的表达。具体来说，PsyPlay使Agent能够扮演具有不同人格特质的角色，并围绕特定主题进行讨论，在整个交互过程中始终如一地展现其指定的人格特质。在生成对话数据上的验证表明，PsyPlay能够准确地描绘预期的人格特质，在GPT-3.5上实现了80.31%的总体成功率。值得注意的是，我们观察到与积极价值观对齐的LLM在描绘积极人格角色方面比消极人格角色更成功。此外，我们构建了一个用于人格注入角色扮演的对话语料库，名为PsyPlay-Bench。该语料库包含4745个使用PsyPlay正确描绘的对话实例，旨在进一步促进个性化角色扮演和对话人格检测的研究。

🔬 方法详解

问题定义：现有角色扮演对话Agent主要关注模仿说话风格和利用角色背景，缺乏对角色深层人格特质的建模和表达。这导致Agent在对话中无法展现出丰富和一致的人格，影响了对话的真实性和吸引力。因此，需要一种方法能够让Agent在对话中准确地展现其指定的人格特质。

核心思路：PsyPlay的核心思路是通过人格注入，引导Agent在对话中始终如一地展现其指定的人格特质。具体来说，PsyPlay允许Agent扮演具有不同人格特质的角色，并围绕特定主题进行讨论。通过这种方式，Agent不仅可以模仿角色的说话风格和背景，还可以展现出角色内在的人格特征，从而使对话更加生动和有趣。

技术框架：PsyPlay是一个对话生成框架，包含以下主要模块：1) 角色定义模块：定义Agent的角色，包括角色名称、背景和人格特质。2) 对话生成模块：根据角色定义和对话主题，生成Agent之间的对话。3) 人格评估模块：评估生成的对话是否准确地展现了Agent的指定人格特质。整个流程是：首先，为每个Agent定义角色，包括人格特质；然后，Agent根据角色设定进行对话生成；最后，使用人格评估模块评估对话是否符合角色的人格设定。

关键创新：PsyPlay最重要的技术创新点在于它将人格注入到角色扮演对话Agent中，使其能够展现出丰富和一致的人格。与现有方法相比，PsyPlay不仅关注角色的说话风格和背景，还关注角色内在的人格特征。这种方法可以使Agent在对话中更加真实和自然，从而提高对话的质量和吸引力。

关键设计：PsyPlay的关键设计包括：1) 人格特质的定义：使用标准的人格模型（例如，五因素模型）来定义角色的人格特质。2) 对话生成策略：使用基于LLM的对话生成策略，并结合人格信息来引导对话的生成。3) 人格评估指标：使用自动评估指标（例如，基于情感分析的指标）和人工评估来评估对话是否准确地展现了角色的人格特质。具体参数设置和损失函数细节在论文中未详细说明，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

PsyPlay在GPT-3.5上实现了80.31%的总体成功率，表明其能够准确地描绘预期的人格特质。研究还发现，与积极价值观对齐的LLM在描绘积极人格角色方面比消极人格角色更成功。此外，该研究构建了一个包含4745个实例的PsyPlay-Bench对话语料库，为个性化角色扮演和对话人格检测的研究提供了宝贵资源。

🎯 应用场景

PsyPlay具有广泛的应用前景，例如在游戏、教育和娱乐等领域。它可以用于创建更加真实和有趣的虚拟角色，提高用户体验。在教育领域，它可以用于创建个性化的学习助手，帮助学生更好地学习。在娱乐领域，它可以用于创建更加生动的电影和电视剧角色，提高观众的沉浸感。未来，PsyPlay可以进一步扩展到其他领域，例如心理咨询和社交互动。

📄 摘要（原文）

The current research on Role-Playing Conversational Agents (RPCAs) with Large Language Models (LLMs) primarily focuses on imitating specific speaking styles and utilizing character backgrounds, neglecting the depiction of deeper personality traits.~In this study, we introduce personality-infused role-playing for LLM agents, which encourages agents to accurately portray their designated personality traits during dialogues. We then propose PsyPlay, a dialogue generation framework that facilitates the expression of rich personalities among multiple LLM agents. Specifically, PsyPlay enables agents to assume roles with distinct personality traits and engage in discussions centered around specific topics, consistently exhibiting their designated personality traits throughout the interactions. Validation on generated dialogue data demonstrates that PsyPlay can accurately portray the intended personality traits, achieving an overall success rate of 80.31% on GPT-3.5. Notably, we observe that LLMs aligned with positive values are more successful in portraying positive personality roles compared to negative ones. Moreover, we construct a dialogue corpus for personality-infused role-playing, called PsyPlay-Bench. The corpus, which consists of 4745 instances of correctly portrayed dialogues using PsyPlay, aims to further facilitate research in personalized role-playing and dialogue personality detection.