PAYADOR：一种将语言模型基于结构化数据以用于交互式叙事和角色扮演游戏的极简方法
PAYADOR: A Minimalist Approach to Grounding Language Models on Structured Data for Interactive Storytelling and Role-playing Games
AI总结：
PAYADOR提出一种极简方法，通过将大语言模型基于虚构世界的最小化表示来预测动作结果，以解决交互式叙事和角色扮演游戏中的世界更新问题，并开源以释放RPG的共同创造能力。
摘要：
每当交互式叙事（IS）系统收到玩家输入时，它都会面临世界更新问题。解决该问题的经典方法是将输入映射到已知的预编程动作，这可能严重限制玩家的自由意志。当预期体验强烈侧重于即兴创作时，例如在角色扮演游戏（RPG）中，这个问题尤为关键。在本文中，我们提出了PAYADOR，这是一种不同的方法，侧重于预测动作的结果，而不是表示动作本身。为了实现这一方法，我们将一个大语言模型基于虚构世界的最小化表示，并取得了有前景的结果。我们将这一贡献开源，以便它可以被改编并用于其他相关研究，以释放RPG的共同创造能力。
英文摘要：
Every time an Interactive Storytelling (IS) system gets a player input, it is facing the world-update problem. Classical approaches to this problem consist in mapping that input to known preprogrammed actions, what can severely constrain the free will of the player. When the expected experience has a strong focus on improvisation, like in Role-playing Games (RPGs), this problem is critical. In this paper we present PAYADOR, a different approach that focuses on predicting the outcomes of the actions instead of representing the actions themselves. To implement this approach, we ground a Large Language Model to a minimal representation of the fictional world, obtaining promising results. We make this contribution open-source, so it can be adapted and used for other related research on unleashing the co-creativity power of RPGs.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
