From Persona to Personalization: A Survey on Role-Playing Language Agents

最近大型语言模型（LLMs）的进步显著推动了角色扮演语言代理（RPLAs）的兴起，即专门设计用于模拟指定角色的人工智能系统。通过利用LLMs的多种先进能力，包括上下文学习、指令遵循和社交智能，RPLAs实现了惊人的人类相似度和生动的角色扮演表现。RPLAs可以模仿广泛的角色，从历史人物和虚构人物到现实生活中的个人。因此，它们催生了许多人工智能应用，如情感伴侣、交互式视频游戏、个性化助手和副驾驶员以及数字克隆。在本文中，我们对这个领域进行了全面的调查，阐述了RPLAs与尖端LLM技术相结合的演变和最新进展。我们将角色分为三种类型：1）人口特征角色，利用统计刻板印象；2）角色角色，专注于成熟的人物形象；3）个性化角色，通过持续的用户互动进行定制以提供个性化服务。我们首先提供了当前RPLAs方法的全面概述，然后介绍每种角色类型的细节，涵盖相应的数据来源、代理构建和评估。此后，我们讨论了RPLAs的基本风险、现有限制和未来前景。此外，我们还简要回顾了RPLAs在人工智能应用中的应用，这反映了实际用户需求，塑造和推动了RPLA研究。通过这项工作，我们旨在建立一个清晰的RPLA研究和应用分类法，并促进这个关键和不断发展的领域的未来研究，为人类和RPLAs和谐共存的未来铺平道路。

本论文旨在综述角色扮演语言代理（RPLA）的发展和最新进展，介绍其与先进的大型语言模型（LLM）技术的整合。论文将角色分为三种类型，即人口统计学角色、角色扮演角色和个性化角色，探讨了这三种类型角色的数据来源、代理构建和评估。此外，论文讨论了RPLA的风险、限制和未来前景。

本论文主要介绍了RPLA的发展和最新进展，包括代理构建、数据来源和评估等方面，并探讨了RPLA的风险、限制和未来前景。

论文介绍了RPLA的三种角色类型，提供了代理构建、数据来源和评估的详细信息。此外，论文还讨论了RPLA的风险、限制和未来前景，并提供了有关RPLA在AI应用中的概述。

最近的相关研究包括“GPT-3的应用”、“基于大型语言模型的对话生成”等。