キャラクター設定（Role Setting）とは、システムプロンプト、キャラクターカード、またはファインチューニングを通じて、モデルが特定のアイデンティティ、トーン、知識の範囲で発言するように構成する手法である。これにより解決すべき課題は「似ているかどうか」だけでなく、一貫性にも及ぶ。同じキャラクターが複数回の対話において矛盾を起こさず、また設定された範囲を超えて回答すべきでない質問に答えることもないよう制御する必要がある。

キャラクター設定の初期形態は、ルールベースのチャットボットであった。1966年、Weizenbaumは論文 ELIZA—A Computer Program For the Study of Natural Language Communication Between Man and Machine において、パターンマッチングを用いて心理セラピストのトーンをシミュレートし、「人格」が対話ルールのみで形成され得ることを示した。大規模モデル時代に入ってからは、キャラクター設定は主に製品実践から来ており、通常はシステムプロンプトに記述され、通常のユーザー入力よりも優先度が高く扱われる。

キャラクター設定に関する最初の体系的ベンチマークは RoleLLM である。2023年、Wangらは論文 RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models において、100のキャラクターのためのキャラクタープロファイルを構築し、Context-Instructを用いてキャラクター固有の知識を抽出し、RoleGPTを用いて話し方を模倣し、さらにRoCITを用いてキャラクター条件付きの指示微調整（Instruction Tuning）を行った。

キャラクター設定の評価基盤は RoleBench である。168,093件のサンプルからなるこれは、初の体系的かつ細粒度なキャラクターレベルのベンチマークである。微調整によって得られた RoleLLaMA（英語版）と RoleGLM（中国語版）は、ロールプレイ能力を大幅に向上させ、GPT-4駆動のアプローチに匹敵する性能を示した。キャラクターの一貫性は、AIコンパニオン、ゲームNPC、ブランドペルソナ化、教育シミュレーションの基盤であるが、過度な没入はバイアスの増幅やセキュリティ境界の回避を引き起こす可能性があるため、キャラクター設定には「なんとなく似ている」だけでなく、評価可能な基準が必要である。

[JIALIU_0]