TimeChara：评估角色扮演大型语言模型的时点角色幻象
原文中文，约300字，阅读约需1分钟。发表于：。使用大型语言模型（LLMs）进行角色扮演可以增强用户的叙事沉浸感，避免剧透，并促进粉丝的参与，在此基础上，引入 TimeChara 作为评估角色幻觉问题的新基准，并提出 Narrative-Experts 方法来有效减少角色幻觉问题，但该研究发现角色幻觉问题仍然存在挑战，需要进一步研究。
本研究使用小说中的人物分析数据构建了LIFECHOICE数据集，研究了大型语言模型在以人物为驱动的决策中的能力。提出了基于人物记忆检索的CHARMAP方法，可提高准确率6.01%。数据集和代码将公开提供。
