本研究提出了一种自对齐的角色扮演方法Ditto，通过利用大规模训练语料库中的角色知识，将语言模型调整为模拟角色扮演对话。Ditto在多轮对话中展现出一致的角色身份和准确的角色特定知识，性能高于其他开源角色扮演基准，并与专有聊天机器人相媲美。同时，研究还发现大型语言模型自身的能力限制了角色特定知识的获取，但通过辅助较小模型的指导可以轻松获得角色扮演风格。

该论文介绍了RoleEval，一个旨在评估角色知识的双语基准测试。通过对多个大型语言模型在不同设置下的评估，发现GPT-4在全球角色评估上表现出色，中文语言模型在中文角色评估上表现优异。该研究凸显了知识分布差异的重要性，并期望RoleEval能够在各种语言和文化背景下评估基础模型的角色知识。