LLM を用いたペルソナ指定型キャラクターの感情解析

抄録

近年，大規模言語モデル (Large Language Model, LLM) の向上を背景として、より高難度なタスクにおいて LLM を用いた顕著な成果が報告されている．しかしながら最も有力な LLM である GPT-4 は内部仕様が非公開であり，また LLM を独自に構築するには膨大なコストがかかるため現実的ではない．そのため，モデルの改良ではなくその振る舞いを対象とした研究が増加している．本研究では，LLM によって性能が飛躍的に向上したキャラクターとの対話に着目し，より現実世界との関連性が高くインタラクティブな会話の実現を目指した．今回はペルソナを指定し，視覚情報を仮定した周辺情報とキャラクターの内部状態に基づいて発話の有無を判定した．また，LLM を用いて周辺情報と内部状態からキャラクターの感情を数値的に評価した．LLM の評価した感情ベクトルと著者の判定を用いて，キャラクターの発話意志を感情ベクトルを入力とする二値分類問題として設定した． 実験結果として，感情の評価においてはペルソナを反映した評価値を得ることができた．また，発話の有無の判定はベースラインより有意な結果を得た．