CharacterGLM: Customizing Chinese Conversational AI Characters with Large Language Models

本文介绍了一系列模型，名为CharacterGLM，是在ChatGLM的基础上构建而成，模型大小从6B到66B参数不等。我们的CharacterGLM旨在生成基于人物的对话（CharacterDial），旨在为会话型人工智能系统提供人物定制，以满足人们固有的社交需求和情感需求。在CharacterGLM之上，我们可以通过配置人物的属性（身份、兴趣、观点、经历、成就、社交关系等）和行为（语言特征、情感表达、交互模式等），来定制各种人工智能人物或社交代理。我们的模型在手动评估中的一致性、人类般的特点和参与度等方面表现优于大多数主流的闭源大型语言模型，包括GPT系列。我们将发布我们的6B版本的CharacterGLM和一部分训练数据，以促进基于人物的对话生成方向的进一步研究开发。

论文试图解决如何为对话生成器增加人物角色定制的问题，以满足人们的社交欲望和情感需求。

论文提出了一种基于ChatGLM的CharacterGLM模型，通过配置人物角色的属性和行为，实现对话生成器的人物角色定制。

论文的实验结果表明，CharacterGLM模型在一致性、人类相似度和参与度等方面优于大多数主流的闭源大型语言模型，包括GPT系列。论文还开源了6B版本的CharacterGLM和部分训练数据，以促进进一步的研究发展。

最近在这个领域中，还有一些相关的研究，例如：《A Persona-Based Neural Conversation Model》、《Personalizing Dialogue Agents: I have a dog, do you have pets too?》等。