English(EN) Evaluating the Efficacy of LLMs to Emulate Realistic Human Personalities

LLM在模仿游戏NPC的真实个性方面展现出潜力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 04:00

一篇新的研究论文探讨了大型语言模型（LLM）准确模仿人类个性的能力，特别是在视频游戏中的非玩家角色（NPC）应用方面。该研究利用“大五”人格特质和国际人格项目库（International Personality Item Pool）的数据，将LLM的输出与大量人类人格测试反应数据集进行了比较。研究结果表明，虽然一些本地模型与人类人格画像没有表现出一致性，但前沿LLM却展现出显著的、在某些情况下甚至是完全的一致性，这表明它们在创造更真实、更具吸引力的游戏角色方面具有潜力。 AI

影响 LLM通过模仿人类人格特质，在视频游戏中创造更真实、更具吸引力的NPC方面展现出潜力。

排序理由评估LLM在特定任务上能力的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 2 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 评估LLM在特定任务上能力的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Lawrence J. Klinkert, Stephanie Buongiorno, Corey Clark · 2026-08-25 04:00

评估大型语言模型模仿真实人类个性的有效性

arXiv:2402.14879v2 Announce Type: replace-cross Abstract: To enhance immersion and engagement in video games, the design of Affective Non-Player Characters (ANPCs) is a key focus for researchers and practitioners. Affective Computing frameworks improve Non-player characters (NPC)…

本文如何被排名

报道来源 [1]

评估大型语言模型模仿真实人类个性的有效性

相关实体

相关话题