ChatHaruhi: Reviving Anime Character in Reality via Large Language Model

解决问题：这篇论文试图解决如何利用大型语言模型来实现动漫人物的现实角色扮演问题。这是一个新问题，因为以前的研究主要集中在构建聊天机器人，而不是将其应用于特定角色的模仿。

关键思路：论文的关键思路是通过提高提示和提取角色脚本记忆来控制语言模型。作者构建了一个名为ChatHaruhi的数据集，其中包括32个中英文电视/动漫角色的54k个模拟对话。实验结果表明，该方法相对于基线模型提高了角色扮演的能力。

其他亮点：该论文提供了代码和数据集，这对于进一步的研究非常有用。此外，该论文还提出了一个新的研究方向，即如何将大型语言模型应用于特定角色的模仿。

关于作者：主要作者来自中国科学院自动化研究所、清华大学和北京大学。他们之前的代表作包括基于深度学习的自然语言处理、计算机视觉和机器学习领域的研究。

相关研究：近期的相关研究包括“Large-Scale Pretraining for Neural Machine Translation”（Google Research）、“Towards Personalized Dialogue Agent: A Hybrid Approach for Task-Oriented Dialogue”（南京大学）、“End-to-End Adversarial Memory Network for Cross-Domain Sentiment Classification”（北京大学）等。

论文摘要：我们提出了一种算法，通过改进的提示和从脚本中提取的角色记忆来控制语言模型，从而使角色扮演聊天机器人能够模仿特定的虚构人物。我们构建了一个名为ChatHaruhi的数据集，涵盖了32个中文/英文电视/动漫角色，包括超过54,000个模拟对话。自动化和人工评估都表明，我们的方法在角色扮演能力方面优于基线。代码和数据可在https://github.com/LC1332/Chat-Haruhi-Suzumiya获得。

内容中包含的图片若涉及版权问题，请及时与我们联系删除