物語の筋書きから導出されるキャラクター論理のコード化された決定木としての定式化

要旨

ロールプレイング（RP）エージェントは、多様な物語的文脈において一貫して行動するために行動プロファイルに依存するが、既存のプロファイルは非構造的で非実行可能、かつ検証が不十分であるため、エージェントの行動が脆くなりがちである。本研究では、大規模な物語データから実行可能かつ解釈可能な決定構造を帰納するデータ駆動型フレームワークであるCodified Decision Trees（CDT）を提案する。CDTは行動プロファイルを条件付きルールの木構造として表現し、内部ノードは検証済みの場面条件に対応し、葉ノードは具体的な行動記述を符号化する。これにより、実行時に文脈に適したルールを確定的に取得できる。本木構造は、候補となる場面-行動ルールを帰納し、データに対して検証し、階層的特殊化を通じて洗練させることを反復的に行うことで学習され、透明性のある検査と体系的な更新を可能にするプロファイルを生成する。複数のベンチマークにおいて、CDTは16の作品にわたる85のキャラクターに対して、人手で記述されたプロファイルおよび従来のプロファイル帰納手法を大幅に上回り、符号化され検証された行動表現がより信頼性の高いエージェントの基礎付けを実現することを示唆する。

English

Role-playing (RP) agents rely on behavioral profiles to act consistently across diverse narrative contexts, yet existing profiles are largely unstructured, non-executable, and weakly validated, leading to brittle agent behavior. We propose Codified Decision Trees (CDT), a data-driven framework that induces an executable and interpretable decision structure from large-scale narrative data. CDT represents behavioral profiles as a tree of conditional rules, where internal nodes correspond to validated scene conditions and leaves encode grounded behavioral statements, enabling deterministic retrieval of context-appropriate rules at execution time. The tree is learned by iteratively inducing candidate scene-action rules, validating them against data, and refining them through hierarchical specialization, yielding profiles that support transparent inspection and principled updates. Across multiple benchmarks, CDT substantially outperforms human-written profiles and prior profile induction methods on 85 characters across 16 artifacts, indicating that codified and validated behavioral representations lead to more reliable agent grounding.

物語の筋書きから導出されるキャラクター論理のコード化された決定木としての定式化

Deriving Character Logic from Storyline as Codified Decision Trees

要旨

Support