24年4月复旦大学的论文“From Persona to Personalization: A Survey on Role-Playing Language Agents”。
大语言模型 (LLM) 的最新进展极大地促进角色扮演语言智体(RPLA) 的兴起，即旨在模拟指定角色的专门AI系统。通过利用LLM的多种高级能力，包括情境学习、指令遵循和社交智能，RPLA 实现了卓越的人类相似感和生动的角色扮演性能。RPLA 可以模仿各种角色，从历史人物、虚构人物到现实生活中的个人。因此，它们催生了许多AI应用，例如情感伴侣、互动视频游戏、个性化助理和copilot以及数字克隆。
本综述对该领域进行了全面的调查，阐述了 RPLA 与前沿LLM技术相结合的演变和最新进展。将角色分为三种类型：1）人口统计角色，利用统计刻板印象；2）人物角色，重点关注知名人物；3) 个性化角色，通过持续的用户交互进行定制以提供个性化服务。全文首先全面概述当前 RPLA 的方法，然后详细介绍每种角色类型，涵盖相应的数据源、智体构建和评估。然后，讨论 RPLA 的基本风险、现有局限性和未来前景。此外，还对AI应用中的 RPLA 进行了简要回顾，这反映了塑造和推动 RPLA 研究的实际用户需求。
如图所示RPLA 的各种角色类型概述。角色的三种类型：1）人口统计角色，2）人物角色，3）个性化角色。图中展示它们的定义、数据源、示例、用例和相应的应用程序。
AI界长期以来一直追求“智体”的概念，接近人类的智能和自主性。传统的符号智体（Bernstein，2001；Küngas，2004）和强化学习智体（Fachantidis，2017；Florensa，2018）主要根据规则或预先定义的奖励来优化其行为。语言智体的研究主要集中在知识有限的受限环境中训练，这与人类学习过程的复杂性和多样性不同。然而，此类智体很难模仿复杂的类人行为，特别是在开放域环境中（Mnih，2015；Lillicrap，2015；Schulman，2017；Haarnoja，2017）。最近，LLM在实现人类水平的智能方面表现出了非凡的能力和巨大的潜力，这引发了针对基于LLM的语言智体研究兴起（Sclar，2023；Chalamalasetti，2023；Liu，2023d；Xie，2024a）。该领域的研究主要涉及为LLM配备必要的类人能力，例如规划、工具使用和记忆（Weng，2023），这对于开发具有拟人认知和能力的高级 RPLA 至关重要。
规划模块
。在许多现实场景中，智体需要制定长期规划来解决复杂的任务（Rana et al., 2023; Yuan et al., 2023）。当面对这些任务时，LLM驱动的智体可以将复杂的任务分解为子任务，并采用各种规划策略，例如CoT（Wei，2022b）和ReAct（Yao，2023b），自适应地规划下一个任务环境反馈的行动（Wang et al., 2023a；Gotts et al., 2003；Wang et al., 2023j；Song et al., 2023；Zhang et al., 2024b）。对于 RPLA，这些自适应规划策略使它们能够模拟复杂环境中的现实和动态交互，例如游戏（Wang，2023a）和社交模拟（Park，2023）。
工具使用模块
。尽管LLM在各种任务中表现出色，但可能在需要广泛专业知识和经历幻觉问题的领域遇到困难（Gou，2023；Chen，2023e；Wang，2023f）。为了应对这些挑战，智体可以应用外部工具来执行行动（Shen et al., 2023b; Lu et al., 2023; Schick et al., 2023; Parisi et al., 2022; Yang et al., 2023b; Yuan，2024a）。这些工具包括现实世界的 API（Patil，2023；Li，2023g；Qin，2023；Xu，2023b；Shen，2023c）、知识库（Zhuang，2024; Hsieh et al., 2023)、外部模型 (Bran et al., 2023; Ruan et al., 2023) 以及针对特定应用的定制操作 (Wang et al., 2023a; Zhu et al., 2023b) ）。对于 RPLA，这些工具通常使它们能够与环境交互，例如游戏或软件应用程序。外部工具的集成增强了角色扮演和生成智体，使它们能够执行超出其固有能力的操作和访问信息。这有利于更准确、更适合上下文的交互，特别是在专门或复杂的场景中，从而显着提高用户参与中响应的质量和有效性。
记忆机制
。记忆机制存储智体的配置文件以及环境信息，帮助智体将来采取行动。个人资料通常包括基本信息（年龄、性别、职业）、心理特征（反映个性）和社会关系（Wang et al., 2023c; Park et al., 2023;Qian et al., 2023），可以是手动创建（Caron & Srivastava, 2022；Zhang et al., 2023a；Pan & Zeng, 2023；Huang et al., 2023b；Karra et al., 2022；Safdari et al., 2023）或从模型生成（Wang et al., 2023c)。该模块使智体能够积累经验、发展并一致有效地采取行动（Park et al., 2023）。语言智体借鉴了人类记忆的认知科学研究，人类记忆从感觉记忆发展到短期记忆，然后发展到长期记忆（Atkinson & Shiffrin，1968；Craik & Jennings，1992）。短期记忆被视为 Transformer 架构约束窗口内的信息输入（Fischer，2023；Rana，2023；Wang，2023j；Zhu，2023a）。相比之下，长期记忆通常保留在外部向量库中（Qian et al., 2023；Zhong et al., 2023；Zhu et al., 2023b；Lin et al., 2023；Xie et al., 2023; Wu et al., 2024b) 或自然语言数据库 (Shinn et al., 2023; Modarressi et al., 2023)，智体可以根据需要做快速查询和检索信息。与普通的LLM相比，语言智体需要在不断变化的环境中学习和执行任务。对于 RPLA，记忆机制发挥着关键作用，使这些智体能够随着时间的推移保持交互的连续性和上下文。通过存储和检索用户特定的数据和环境背景，智体可以提供更加个性化和相关的响应，从而增强用户在不同场景中的体验和参与度。
如图所示是RPLA研究方法的分类：
分配有人口统计角色的 RPLA 预计会显示特定人群的独特特征。在此背景下，人口统计数据捕获了与具有共同特征的群体相关的典型特征，例如职业角色（例如数学家）、爱好或兴趣（例如棒球爱好者）和性格类型（例如Myers-Briggs- RPLA 中的这些表示融合了代表人口原型的语言风格、专业知识和行为细微差别。
这些 RPLA 旨在模仿特定人群如何处理并参与信息和沟通渠道，反映其独特的语言偏好、特定领域的词汇和独特的观点。这种转变旨在将 RPLA 广泛而灵活的功能转化为复杂的虚拟表示，反映人口的智力微妙性、个人倾向和社会复杂性。通过体现特定群体，人口统计RPLA可以增强其在某些领域的能力，也可以利用代表不同人口统计的多种RPLA进行社会实验、完成更复杂的任务等。
人物主要是故事被公众广泛认可的知名人物，包括名人、历史人物和虚构人物（例如Monkey D. Luffy 和 Hermione Granger）。有时，它们还包括个人创建的原创角色（Zhou et al., 2023a）。人物 RPLA 最近已成为LLM应用的一个蓬勃发展的领域（例如，Character.ai），因此也引起了广泛的研究兴趣（Shao，2023；Wang，2023g；2024c）。
对于人物 RPLA 来说，有效角色扮演的基本要求是LLM理解角色的能力。早期研究研究了语言模型的字符理解，涉及将概述字符特征的描述与其角色（即字符预测）和个性（即个性理解）联系起来：1）字符预测主要侧重于从提供的文本中识别字符。这包括共参解析（Li et al., 2023c）、关系理解（Zhao et al., 2024）和字符识别（Brahman et al., 2021；Yu et al., 2022；Li et al., 2023c；Zhao，2024）。此外，一些研究调查语言模型是否可以预测角色的未来行为，基于以下因素：2）个性理解旨在从对话和行为中解码角色特征，包括预测所描述的特征（Yu et al., 2023）和生成角色描述（Brahman，2021）。
近年来，LLM在语言理解和生成方面表现出了强大的能力，极大地推动了RPLA的发展。因此，这个方向的研究重点转向应用和推广LLM来忠实地再现人物，包括它们的语言风格（Wang et al., 2023g; Zhou et al., 2023a; Li et al., 2023a; Wang et al. 2023g）、知识（Li et al., 2023a；Shao et al., 2023；Zhou et al., 2023a；Chen et al., 2023c；Zhao et al., 2023a；Wang et al., 2023g）、人格 （Shao et al.，2023；Wang et al.，2024c），甚至决策（Zhao et al.，2023a；Xu et al.，2024b）。
个性化定制LLM以满足个人的独特需求、经验和偏好，这在现代AI应用中变得越来越重要（Salemi，2024）。该领域的研究旨在提供个性化服务，适应个人用户的偏好甚至反映他们的行为（Chen et al., 2023b）。当这样的个性化系统试图封装这些条目时，它本质上是在进行角色扮演，模仿个人。这一过程塑造了 RPLA 的个性化角色（Salemi，2024），通常体现为个人的数字克隆或个人助理。
个性化 RPLA 的应用分为三层，从对话（Gao，2023b；Ahn，2023）到推荐（Chen，2023b；Yang， 2023a），到自主智体来解决更复杂的任务（Li et al., 2024d）。
1. 对话：个性化 RPLA 的早期研究主要集中在通过学习和整合用户角色来实现个性化对话（Cho，2022；Zhou，2023c；Ng，2024），将风格特征与用户角色相结合。用户偏好以提高参与度（Zheng，2021；Wang）。随着法学硕士的出现和发展，个性化的RPLA变得能够处理日益复杂和全面的任务，获得复杂任务规划和工具学习的能力，以自动完成个性化服务。
2. 推荐：基于LLM的会话推荐系统（Chen et al., 2023b; Yang et al., 2023a; Wu et al., 2023）已被广泛认为是下一代推荐系统（Lian et al., 2024），通过多轮对话支持用户实现推荐相关目标（Jannach et al., 2021）。与传统的推荐相比，这些方法以其坚实的基础模型、自然语言交互以及简单、典型的非参数进化而脱颖而出（Sallam，2023；Abbasian，2023）。
