原贴链接

科学课上，一方试图集中精力听课却忍不住回想昨晚之事。之后一方突然在课上开枪射杀另一方，被射杀者受伤流血，最终在医院醒来。另一方去医院探望并送花和卡片，有一些暧昧互动，最后一方说出令人毛骨悚然的话，然后两人准备去公寓。整个过程是角色扮演的内容。

讨论总结

原帖提出角色扮演模型需要具备推理能力，否则缺乏可信度。评论者们从多个角度进行了讨论，包括模型在不同情境下的表现、处理角色的方式、在长语境中的性能、与不同规模模型的比较、对原帖观点的质疑、对特定模型的批评、解决推理能力问题的方法等，整体氛围较为理性，大家都基于自身经验或知识发表观点。

主要观点

  1. 👍 重写为第三人称叙述（对话用引号）可避免很多问题
    • 支持理由：如在这种情况下如同小说，大型语言模型（LLM）知道如何处理
    • 反对声音：无
  2. 🔥 大型模型在角色扮演场景中无可替代
    • 正方观点：大型模型输出质量、一致性和深度远超小模型，小模型在逻辑规则方面容易失败
    • 反方观点：无
  3. 💡 角色扮演中会遇到缺乏连贯性的情况
    • 解释：如在角色扮演中会出现情节不合理、模型陷入循环等情况
  4. 💡 对于角色扮演，LLM不如顶级模型
    • 解释：随着对模型要求在复杂性、规模和范围上不断增加，LLM的劣势更明显
  5. 💡 质疑原帖中认为角色扮演模型愚蠢的观点
    • 解释：认为输入内容对LLM帮助不大、角色指令可能不适用等原因

金句与有趣评论

  1. “😂 A lot of this can be avoided by rewriting the card and system prompt to use third person narration with dialogue in quotation marks.”
    • 亮点：提出了一种避免问题的具体方法
  2. “🤔 By forcing the LLM into first person, you’re making it impossible for it to answer correctly since it’s compelled to continue responding as the character rather than adopt the correct narration role.”
    • 亮点：解释了第一人称对LLM回答正确性的影响
  3. “👀 lmao, that’s similar level of lack of coherence as I’ve experienced.”
    • 亮点：以自身经历说明模型缺乏连贯性的情况
  4. “😎 Cless_Aurion: Basically any LLM to me for RP. They just… aren’t comparable to the top tier models.”
    • 亮点：直接表明LLM与顶级模型在角色扮演方面的差距
  5. “🤨 我怀疑基础角色指令不适合你正在尝试做的事情。”
    • 亮点：对原帖中角色指令的合理性提出怀疑

情感分析

总体情感倾向较为理性客观。主要分歧点在于对角色扮演模型能力的评价，原帖认为缺乏推理能力的角色扮演模型很愚蠢不可信，部分评论者对此提出质疑，他们认为可能是输入内容、角色指令等因素导致模型表现不佳，而不是模型本身愚蠢；还有关于不同规模模型在角色扮演场景中的表现，一些人认为大型模型无可替代，也有人未提及规模只关注模型的其他方面。原因是大家的关注点和使用模型的经验不同。

趋势与预测

  • 新兴话题：类似思维链的角色扮演方法是否存在以及如何构建相关引擎可能会引发后续讨论。
  • 潜在影响：对角色扮演模型的改进和发展有一定推动作用，促使开发者关注模型推理能力、角色处理连贯性等方面的优化，同时也影响用户在选择角色扮演模型时的考量因素。

详细内容：

标题：关于角色扮演模型的讨论在 Reddit 上掀起热潮

最近，Reddit 上有一个关于角色扮演模型的讨论引发了广泛关注。原帖展示了一段复杂的角色扮演互动，涉及课堂、枪击、医院等场景。此帖获得了众多用户的参与，评论数众多，主要围绕角色扮演模型的表现和改进方向展开了激烈讨论。

讨论的焦点主要集中在以下几个方面： 有人认为通过改写卡片和系统提示为第三人称叙述加引号的方式，可以避免很多问题，因为强制使用第一人称会使模型难以正确回答。但也有用户表示自己常使用第一人称，觉得更有沉浸感。 有用户分享自己在角色扮演中的经历，比如角色受伤后不符合常理的行为，以及出现的循环和质量下降等情况。 对于模型性能随上下文长度增加而下降的现象，有人提出工作假设，认为可能与训练数据和技术有关。 还有用户探讨了角色扮演的新方法和思路，以及不同模型在角色扮演中的表现。

有人指出任何 LLM 用于角色扮演都无法与顶级模型相比，随着需求复杂度增加，这个问题更明显。 也有人认为大型模型在这方面表现更好，如 Mistral - Large 就备受青睐。 还有用户提出改进模型的具体建议，如增加世界细节、使用多角色提示等。

在这场热烈的讨论中，各方观点激烈碰撞，既有对现有模型不足的批评，也有对未来改进方向的探索。但如何让角色扮演模型更加智能、合理和符合用户需求，仍然是一个有待解决的问题。

不知道您对于角色扮演模型的发展有什么独特的看法呢？