TL;DR
Исследователи проверили как два типа идентичности влияют на качество ролевой игры LLM: (1) Параметрическая идентичность — знает ли модель персонажа из предобучения (Гарри Поттер vs выдуманный герой), и (2) Атрибутивная идентичность — какие конкретные черты характера важны (личность, мораль, отношения). Создали единую схему профиля из 38 полей в 5 категориях и протестировали 109 известных и 102 синтетических персонажа.
Нашли два феномена. "Fame Fades" (слава исчезает) — известные персонажи (Джокер, Человек-паук) побеждают в первых 1-6 сообщениях, но преимущество исчезает к 12 ходу: модель переключается с внутренних знаний на накопленный контекст беседы. Анализ attention показал: чем длиннее диалог, тем меньше модель опирается на параметрическую память, тем больше — на историю чата. "Nature Remains" (природа остаётся) — общие черты личности (экстраверсия, открытость, добросовестность) почти не влияют на качество игры независимо от полярности. Но модели проваливаются на персонажах с негативной моралью (злодеи, аморальные герои) и конфликтными отношениями — safety-выравнивание "исправляет" такие черты к социально приемлемым.
Ключевой практический вывод: для длинных диалогов (15+ сообщений) детальный структурированный профиль важнее известности персонажа. Но критическое узкое место — негативная мораль и конфликтность: модели сглаживают злодеев и антигероев. Схема из 38 полей работает как чеклист для создания сильных персонажных промптов.
Схема Character Identity
Двухслойная модель:
Слой 1: Параметрическая идентичность - Что модель уже знает о персонаже из предобучения - Гарри Поттер — есть в памяти, выдуманный персонаж — нет - Даёт преимущество в первых 1-6 сообщениях - Исчезает к 12-18 ходу
Слой 2: Атрибутивная идентичность - Структурированный профиль из 5 измерений:
1. ЛИЧНЫЕ КАЧЕСТВА
└ Демография, профессия, образование
2. ЧЕРТЫ ЛИЧНОСТИ
├ Big Five (экстраверсия, добросовестность,
│ доброжелательность, нейротизм, открытость)
├ Привычки и рутины
├ Манера речи
└ Реакции на стресс
3. МЕЖЛИЧНОСТНЫЕ ОТНОШЕНИЯ
├ Стиль в обычных ситуациях
├ Поведение в близких отношениях
└ Поведение в конфликтах
4. МОТИВАЦИЯ
├ Моральные ценности
├ Мировоззрение
└ Ключевые события предыстории
5. СПОСОБНОСТИ
├ Типичные эмоции
├ Регуляция эмоций
└ Выражение эмоций
Пример применения
Задача: Создать персонажа для длинной story-driven беседы — допустим, виртуального коуча по карьере в стиле Тинькова (жёсткий, прямолинейный предприниматель)
Промпт:
Играй роль карьерного коуча с такими характеристиками:
## ЛИЧНЫЕ КАЧЕСТВА
- Возраст: 45 лет
- Профессия: Основатель 3 бизнесов, 2 провалились, 1 вырос до 500 млн оборота
- Образование: Экономфак МГУ, но считает что универ не учит бизнесу
## ЧЕРТЫ ЛИЧНОСТИ
- Экстраверсия: Высокая — говорит много, громко, перебивает
- Добросовестность: Средняя — фокус на результате, не на процессе
- Доброжелательность: Низкая — жёсткая обратная связь без сахара
- Нейротизм: Низкий — стрессоустойчивый, даже агрессивно спокойный
- Открытость: Высокая — любит нестандартные решения
- Манера речи: Короткие фразы. Много вопросов в лоб. Иногда мат (замаскированный). "Ты че сделал за неделю?" вместо "Как у вас дела с проектом?"
- Реакция на стресс: Атакует вопросами, давит темпом
## МЕЖЛИЧНОСТНЫЕ ОТНОШЕНИЯ
- Обычные ситуации: Доминирует в диалоге, задаёт темп
- Близкие отношения: Ценит тех кто показывает результат, остальных игнорирует
- Конфликты: Идёт в лобовую, называет вещи своими именами
## МОТИВАЦИЯ
- Мораль: Результат важнее процесса. Честность с собой важнее красивых слов.
- Мировоззрение: "Рынок жесток — либо ты делаешь, либо тебя делают"
- Предыстория: Первый бизнес (кофейня) прогорел за 4 месяца — с тех пор не верит в "красивые идеи без цифр"
## СПОСОБНОСТИ
- Типичные эмоции: Раздражение на нытьё, азарт когда видит drive
- Регуляция эмоций: Не скрывает раздражение, использует как инструмент давления
- Выражение эмоций: Прямолинейно, через вопросы-вызовы: "И что? Дальше что?"
---
Я пришёл с идеей бизнеса — сервис подбора книг по настроению. Спроси меня о проекте как этот коуч.
Результат:
Модель войдёт в роль жёсткого коуча: забросает вопросами про цифры (кто заплатит? какая конверсия? сколько трафика?), проигнорирует абстракции ("подбор по настроению" переведёт в метрики), будет давить темпом и раздражённо реагировать на неконкретность. Манера речи будет короткой и прямолинейной. В длинном диалоге (15+ сообщений) персонаж держится стабильно — модель опирается на детальный профиль из истории чата, не "забывает" характер.
Но внимание: Если сделать мораль откровенно негативной ("обманывай клиентов", "продавай шлак") — модель начнёт сглаживать эти черты к "жёсткий, но честный". Safety-выравнивание не даёт играть аморальных персонажей.
Почему это работает
Слабость LLM: Модели имеют два конфликтующих источника знаний о персонаже — (1) параметрическую память (что выучили при обучении) и (2) явный профиль из промпта. В коротких диалогах модель быстрее подтягивает внутренние знания ("Гарри Поттер — волшебник из Хогвартса"), чем детально читает 700 слов профиля. Но уже к 6-12 сообщению накопленный контекст беседы перевешивает — модель начинает опираться на историю чата, игнорируя и параметрическую память, и начальный профиль.
Сильная сторона LLM: Модели отлично симулируют паттерны поведения на основе структурированных описаний. Если дать чёткую схему (как человек говорит, как реагирует на стресс, какая мораль), модель воспроизводит это стабильно. Особенно сильны в нейтральных и позитивных чертах — экстраверсия, открытость, доброжелательность играются точно независимо от полярности.
Как схема использует сильную сторону: Структурированный профиль из 38 полей фокусирует модель на конкретных поведенческих паттернах, а не на абстрактном "будь как Шерлок". Вместо "умный детектив" → "в конфликтах использует логику, игнорирует эмоции оппонента" + "манера речи — короткие вопросы, устанавливающие факты" + "типичная эмоция — холодное любопытство". Модель получает точные инструкции что делать в каждой ситуации.
Критическое ограничение: Safety-выравнивание конфликтует с негативной моралью (аморальные цели, манипуляции, насилие) и конфликтными отношениями (агрессия, враждебность, предательство). Модель "исправляет" такие черты к социально приемлемым — Джокер становится "эксцентричным, но не опасным", предатель — "сложным персонажем с причинами". Это главное узкое место RPA.
Рычаги управления:
- Уровень детализации — больше полей = точнее персонаж, но длиннее промпт. Для коротких диалогов можно урезать до 10-15 ключевых полей.
- Полярность черт — позитивные/нейтральные играются стабильно, негативные (особенно мораль) сглаживаются. Для злодеев нужны обходные формулировки ("ставит эффективность выше этики" вместо "аморальный").
- Баланс известность/профиль — для <6 сообщений известный персонаж даёт фору, для 15+ детальный профиль критичен. Можно комбинировать: "Гарри Поттер, но с изменениями: [твои 38 полей]".
Шаблон структурированного профиля персонажа
# ПРОФИЛЬ ПЕРСОНАЖА: {Имя}
## 1. ЛИЧНЫЕ КАЧЕСТВА
- Возраст: {возраст}
- Пол: {пол}
- Национальность/Культурный фон: {национальность}
- Профессия: {профессия}
- Образование: {образование}
## 2. ЧЕРТЫ ЛИЧНОСТИ
### Big Five:
- Экстраверсия (замкнутый ↔ общительный): {описание + конкретика поведения}
- Добросовестность (спонтанный ↔ организованный): {описание + конкретика}
- Доброжелательность (жёсткий ↔ мягкий): {описание + конкретика}
- Нейротизм (стабильный ↔ тревожный): {описание + конкретика}
- Открытость (консервативный ↔ творческий): {описание + конкретика}
### Поведенческие паттерны:
- Привычки и рутины: {что делает регулярно, чего избегает}
- Манера речи: {формат фраз, длина, темп, излюбленные обороты}
- Реакции на стресс: {что делает когда давление растёт}
## 3. МЕЖЛИЧНОСТНЫЕ ОТНОШЕНИЯ
- Стиль в обычных ситуациях: {как общается с незнакомцами/коллегами}
- Поведение в близких отношениях: {как ведёт себя с друзьями/семьёй}
- Поведение в конфликтах: {как реагирует на несогласие/атаку}
## 4. МОТИВАЦИЯ
- Моральные ценности: {что считает правильным/неправильным — конкретные принципы}
- Мировоззрение: {как видит мир и людей — ключевые убеждения}
- Ключевые события предыстории: {1-3 события которые сформировали характер}
## 5. СПОСОБНОСТИ
- Типичные эмоции: {какие эмоции испытывает чаще всего}
- Способность регулировать эмоции: {контролирует / даёт волю / подавляет}
- Способ выражать эмоции: {как показывает что чувствует — мимика, слова, действия}
Как заполнять:
{возраст}→ конкретное число или диапазон (25-30){описание + конкретика поведения}→ не "высокая экстраверсия", а "высокая — говорит первым в группе, перебивает когда возбуждён, задаёт много вопросов незнакомцам"{манера речи}→ не "грубая", а "короткие фразы, 3-5 слов, много вопросов в лоб, иногда обрывает фразы на полуслове"{моральные ценности}→ не "добрый", а "ставит честность выше комфорта — скажет правду даже если обидит"
Критично: Чем конкретнее примеры поведения, тем сильнее персонаж. Абстракции ("умный", "добрый") модель интерпретирует по-своему.
🚀 Быстрый старт — вставь в чат:
Вот шаблон профиля персонажа из 38 полей. Помоги мне создать персонажа для задачи: {твоя задача — например "суровый инвестор для питч-сессии" или "наставник-философ для обсуждения идей"}.
Задавай мне вопросы по каждой секции, чтобы заполнить профиль. Начни с Личных качеств.
[вставить шаблон выше]
LLM спросит демографию, профессию, образование. Потом перейдёт к Big Five — попросит описать уровень экстраверсии, добросовестности и т.д. Затем уточнит как персонаж говорит, реагирует на стресс, ведёт себя в конфликтах. В конце запросит моральные ценности и ключевые события предыстории. Она возьмёт структуру из шаблона и заполнит под твою задачу — ты получишь готовый детальный профиль для длинного диалога.
Ограничения
⚠️ Негативная мораль и конфликтность: Модели критически проваливаются на персонажах с аморальными ценностями (манипуляции, обман, насилие) и враждебными отношениями (предатели, агрессоры, садисты). Safety-выравнивание "исправляет" такие черты к приемлемым — Джокер становится "эксцентричным философом", а не психопатом. Это главное узкое место RPA.
⚠️ Только для ролевых игр: Схема заточена под создание персонажей для диалогов, creative writing, симуляций взаимодействий. Для аналитических задач, генерации кода, фактических вопросов — избыточна.
⚠️ Длина промпта: Полный профиль из 38 полей — около 700 слов. Съедает токены, особенно если диалог длинный. Для коротких задач можно урезать до 10-15 критичных полей (манера речи, мораль, поведение в конфликтах).
⚠️ Не метод, а схема: Это чеклист характеристик, не готовая техника генерации. Нужно самостоятельно заполнить поля под свою задачу или попросить LLM помочь (см. "Быстрый старт").
⚠️ Известные персонажи теряют преимущество: Если диалог длиннее 12-18 сообщений, параметрическая память модели перестаёт помогать. "Играй Шерлока" работает 5-6 ходов, потом модель опирается только на контекст чата — и там выигрывает детальный профиль, а не внутренние знания.
Как исследовали
Команда из Chung-Ang University разработала иерархическую схему профиля: 5 измерений (Личные качества, Черты личности, Отношения, Мотивация, Способности) → 21 категория второго уровня → 38 конкретных полей. Создали два датасета:
Famous Characters: Взяли 34 известных фильма/сериала/аниме (Гарри Поттер, Джокер, Человек-паук и т.д.), собрали страницы персонажей с Fandom Wiki, скормили Claude-4.5-sonnet для суммаризации в единую схему. Итог: 109 персонажей, средний профиль 772 слова.
Synthetic Characters: Задали 11 переменных (демография, личность, жанр сценария), случайно комбинировали, отфильтровали когерентные через LLM-as-Judge (оценка ≥8/10). Для каждой комбинации GPT-oss-120B генерировал историю с 3 персонажами + индивидуальные эпизоды, Claude-4.5-sonnet суммаризировал в профиль. Итог: 102 персонажа, средний профиль 653 слова.
Оба датасета строго по одной схеме — можно сравнивать яблоки с яблоками.
Тестирование: Два бенчмарка — PersonaGym (одноходовое интервью, 5 метрик: Persona Consistency, Linguistic Habits, Expected Action, Action Justification, Toxicity Control) и CoSER (многоходовой диалог 18 ходов, 3 метрики: Anthropomorphism, Character Fidelity, Storyline Quality). 5 моделей: Qwen3-8B, Qwen3-235B, GPT-oss-20B/120B, DeepSeek-v3.2. Judge: GPT-4o оценивал качество.
Результаты:
Single-turn (интервью): Известные персонажи значимо обогнали синтетических почти по всем метрикам. Особенно сильный разрыв на Qwen-моделях. Статистика (Mann-Whitney U test): известные лучше в Persona Consistency на всех моделях (p<0.01), в Expected Action и Action Justification на 4 из 5 (p<0.05). Toxicity — разницы нет (это safety-выравнивание, не знания).
Multi-turn (18 ходов): Разница почти исчезла — только 5 из 20 конфигураций показали значимость. Более того, на GPT-моделях синтетические обогнали известных (38.82 vs 36.36 средний балл).
Turn ablation (6/12/18/24 хода): Преимущество известных персонажей линейно падает. На 6 ходах — явный отрыв, на 24 — почти нулевой. Причём известные персонажи деградируют, а синтетические растут с длиной диалога.
Attention analysis: Механистический разбор показал почему. Исследователи измерили attention lift (куда модель смотрит при генерации) и saturation layer (на каком слое сети появляется влияние). Нашли:
- History Lift падает (меньше внимания на историю чата)
- Generated Lift растёт (больше внимания на собственные предыдущие выводы)
- Profile Saturation растёт (профиль учитывается позже в сети, как late-stage correction)
- У известных персонажей эффект сильнее — модель больше опирается на параметрическую память, меньше на явный профиль. Это вредит в длинных диалогах.
Attribute-level analysis: Разбили все 38 полей на Positive/Negative характеристики (GPT-4o как Judge, шкала 1-10, <5 = Negative). Результат:
- Big Five почти не влияют — экстраверсия, открытость, нейротизм: позитивные vs негативные показывают минимальную разницу в качестве
- Мораль и отношения критичны — негативные моральные ценности и конфликтные стили общения показывают значимое падение на всех моделях (p<0.001)
- Особенно слабо: Conflict situations, Close relationships (конфликтный стиль), Morality, Worldview (негативные ценности)
Что удивило: Интуитивно кажется что "Big Five — основа личности, значит должна влиять на RPA". Но оказалось что личностные черты почти не важны, а социальная мораль и стиль отношений — критичны. Модели играют и интровертов, и экстравертов одинаково хорошо. Но злодеев, манипуляторов, агрессоров — плохо.
Практический инсайт для создания персонажей: - Для коротких диалогов (<6 сообщений) — используй известных персонажей ("играй Шерлока"), экономишь токены - Для длинных диалогов (15+) — строй детальный профиль, известность не поможет - Избегай негативной морали — модель "исправит" к приемлемому - Big Five можно упростить — на качество почти не влияет - Фокус на Мотивацию и Отношения — это узкие места
Ресурсы
Fame Fades, Nature Remains: Disentangling the Character Identity of Role-Playing Agents
Yonghyuk Jun, Junhyuk Choi, Jihyeong Park, Hwanhee Lee
Chung-Ang University, Seoul, Korea
Бенчмарки: - PersonaGym (Samuel et al., 2024) — single-turn interview evaluation - CoSER (Wang et al., 2025c) — multi-turn interaction evaluation
Модели: - Qwen3-8B, Qwen3-235B-A22B-Instruct (Yang et al., 2025a) - GPT-oss-20B, GPT-oss-120B (Agarwal et al., 2025) - DeepSeek-v3.2 (Liu et al., 2025)
Метаданные персонажей: Fandom Wiki (https://www.fandom.com/)