大模型角色扮演/人格化研究高质量paper（2024年6月以来）
1. Two Tales of Persona in LLMs: A Survey of Role-Playing and Personalization
核心要点：把“LLM role-playing”（为模型指定角色）和“LLM personalization”（为用户建档/适配）作为两条主线系统梳理，给出统一术语、任务划分与评测指标目录。覆盖数据集、生成与评价方法、常见失败模式。
2.Attaining Arbitrary Role-play via Self-Alignment (Ditto) — ACL 2024 (long)
核心要点：设计 Ditto 方法：把角色扮演视为“阅读理解变体”，自动生成大规模role-play训练对（约 4k 角色，扩展现有数据量十倍），并以自监督/自对齐手段微调模型以强化任意角色扮演能力。
3. InCharacter: Evaluating Personality Fidelity in Role-Playing Agents through Psychological Interviews — ACL 2024
核心要点：提出通过模拟心理学访谈来评估角色扮演代理的“personality fidelity”包括访谈式的问卷/测评流程与自动化/人类评分对照方法。
4. CoSER: Coordinating LLM-Based Persona Simulation of Established Roles— OpenReview / 发表
核心要点：汇集高质量角色扮演数据、基线模型与评测指标，强调真实角色行为与多维评价（可信度、连贯性、吸引力等）。
5. Role-Play Paradox in Large Language Models: Reasoning vs Alignment risks — arXiv / 2025
核心要点：实验揭示自动选择/切换角色（autotuning）在某些情况下会把模型“诱导”到产生有害或违背对齐的输出，即便角色本身看似中性。提出对角色策略与安全审查的警示与建议。
#人机恋 #ai#大语言模型 #LLM #角色扮演 #人机交互 #研究报告
1. Two Tales of Persona in LLMs: A Survey of Role-Playing and Personalization
核心要点：把“LLM role-playing”（为模型指定角色）和“LLM personalization”（为用户建档/适配）作为两条主线系统梳理，给出统一术语、任务划分与评测指标目录。覆盖数据集、生成与评价方法、常见失败模式。
2.Attaining Arbitrary Role-play via Self-Alignment (Ditto) — ACL 2024 (long)
核心要点：设计 Ditto 方法：把角色扮演视为“阅读理解变体”，自动生成大规模role-play训练对（约 4k 角色，扩展现有数据量十倍），并以自监督/自对齐手段微调模型以强化任意角色扮演能力。
3. InCharacter: Evaluating Personality Fidelity in Role-Playing Agents through Psychological Interviews — ACL 2024
核心要点：提出通过模拟心理学访谈来评估角色扮演代理的“personality fidelity”包括访谈式的问卷/测评流程与自动化/人类评分对照方法。
4. CoSER: Coordinating LLM-Based Persona Simulation of Established Roles— OpenReview / 发表
核心要点：汇集高质量角色扮演数据、基线模型与评测指标，强调真实角色行为与多维评价（可信度、连贯性、吸引力等）。
5. Role-Play Paradox in Large Language Models: Reasoning vs Alignment risks — arXiv / 2025
核心要点：实验揭示自动选择/切换角色（autotuning）在某些情况下会把模型“诱导”到产生有害或违背对齐的输出，即便角色本身看似中性。提出对角色策略与安全审查的警示与建议。
#人机恋 #ai#大语言模型 #LLM #角色扮演 #人机交互 #研究报告
