JSSST 2026：从单模型实验走向多模型 NPC 比较

2026 年 9 月，我参加了日本软件科学会第 43 回大会，在函馆的公立函馆未来大学发表了第二阶段的 NPC 研究。大会正式会期是 9 月 8 日至 10 日，9 月 7 日另有相关活动。大会官网

这次研究继续和小林篤史老师合作，从第一次的单模型基础实验，推进到 DeepSeek、Gemini、Claude 的比较。

官方日程列出了这项研究的口头发表和海报发表：9 月 9 日的海报场次编号为 4-P，9 月 10 日「生成 AI・知识处理」口头场次编号为 7a-1-R。官方日程

论文题目是：

TIPI-Jに基づく大規模言語モデルを用いたゲームNPC人格対話生成に関する研究

可以译为《基于 TIPI-J 的大语言模型游戏 NPC 人格对话生成研究》。论文与海报分别整理了背景、人格设置、实验条件和比较结果。官方论文

第一次研究的酒馆对话，让我开始观察性格如何进入生成的互动。第二次把问题进一步集中到：同一套人格信息与场景，交给不同模型，表现会有什么区别？

研究使用 TIPI-J 所对应的 Big Five 维度组织人格设置，将人格信息转换成自然语言提示，并统一对话场景、提示词形式和评价方法。

角色仍然是 Aki、Mika、Yui、Rina 和 Kana。场景则改为地震发生后的避难情况，让它们讨论安全确认、避难路线、伤员处理与后续行动。

每个模型分别进行一百回实验，总计三百回。它们属于第二次研究，不是第一次一百回实验简单换一个标题。

论文以各 NPC 的十五次发言作为检查范围。至少八次被判断与设定人格一致，才达到成功条件；如果首次发言已经与设定明显矛盾，也会判为不一致。

每个模型先分别统计五名角色的成功回数，再计算角色一致率与五名角色的平均值，报告时取整。

这一方法让比较有了明确的统计口径，同时也留下需要继续改进的问题：人格一致如何判断，评价是否稳定，以及不同角色的特点是否同样容易在文本中观察。

在这次实验条件下，Claude 的一致率最高，Gemini 次之，DeepSeek 再次之。论文还报告，Rina 与 Mika 的一致率相对其他角色更低，角色特征的表达方式同样值得关注。

这些结果说明的是这组实验，而不是所有版本、所有场景中的模型排名。更换话题、提示词、评价方式或具体模型版本，都需要重新验证。

第一次的 77% 与这次的结果也不能直接当成能力提升幅度：两次研究的场景、设置和评估条件发生了变化。

从一个模型扩展到三个模型，功能上是增加调用入口；研究上则需要更认真地固定比较条件。

同样的角色名称并不保证使用了同样的设定，同样的轮数也不保证统计的是同一种样本。论文、海报和实验材料，需要把这些条件讲清楚。

我希望后续继续保留模型版本、提示词与评价记录，让读者可以理解数字从哪里来。静态人格之外，记忆、情绪和关系变化也是值得探索的方向，但它们仍然属于后续研究。

三月的研究让我把 NPC 人格对话整理成一个可以检查的基础实验，九月的研究则把它推进到多模型比较。

我想继续沿着这个方向做下去：从生成一段看起来像角色的文本，到理解角色在不同情境与长期互动中怎样保持自己的特点。

大会论文收录情况可在官方论文集查看。这次记录的是大会发表与讲演论文，不将其描述为期刊发表。