Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Deflanderization for Game Dialogue: Balancing Character Authenticity with Task Execution in LLM-based NPCs

Created by
  • Haebom

作者

Pasin Buakhaw, Kun Kerdthaisong, Phuree Phenhiran, Pitikorn Khlaisamniang, Supasate Vorathammathorn, Piyalitt Ittichaiwong, Nutchanon Yongsatianchot

概要

本論文は、大規模言語モデル(LLM)を活用してゲーム環境で動的なNPCを生成する研究を報告し、特に2025年にCommonsense Persona-Grounded Dialogue Challenge(CPDC)Round 2に参加した結果を提示する。研究者はAPIトラックで軽いプロンプト技術を、GPUトラックで fine-tuningされた大規模モデルを活用した。 APIトラックでは過剰なロールプレイを抑制し、作業忠実度を向上させるためのDeflanderizationプロンプト法を使用し、GPUトラックではQwen3-14BモデルをSFTおよびLoRA技術で fine-tuningした。その結果、Task 1で2位、Task 3(APIトラック)で2位、Task 3(GPUトラック)で4位を記録した。

Takeaways、Limitations

Takeaways:
APIトラックでは、軽いプロンプト技術だけでも高いパフォーマンスを達成できることを実証(Deflanderizationプロンプトの効果)。
GPUトラックでQwen3-14Bモデルを活用して良い成果を上げ、SFTとLoRAの効果を確認。
さまざまなトラックで競合し、いくつかの点でNPC生成技術の発展の可能性を示しています。
Limitations:
特定のモデルアーキテクチャまたはプロンプトの詳細についての説明の欠如。
提出順位に加えて、他の評価指標(例えば、ユーザー満足度)に関する情報の不在。
単一の実験環境での結果であるため、一般化の可能性をさらに検証する必要があります。
👍