論文の概要: Agreement Tracking for Multi-Issue Negotiation Dialogues

• arxiv url: http://arxiv.org/abs/2307.06524v1
• Date: Thu, 13 Jul 2023 02:00:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 16:09:52.500566
• Title: Agreement Tracking for Multi-Issue Negotiation Dialogues
• Title（参考訳）: 多国間交渉対話における合意追跡
• Authors: Amogh Mannekote, Bonnie J. Dorr, Kristy Elizabeth Boyer
• Abstract要約: 両党の多国間交渉における合意追跡の新たな課題について紹介する。 GPT-3を用いてGPT-Negochatを構築する。 我々は,MultiWOZ 2.4コーパスで訓練されたT5モデルをトランスファーラーニングすることで,タスクの強力な初期ベースラインを提示する。
• 参考スコア（独自算出の注目度）: 3.093890460224435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated negotiation support systems aim to help human negotiators reach more favorable outcomes in multi-issue negotiations (e.g., an employer and a candidate negotiating over issues such as salary, hours, and promotions before a job offer). To be successful, these systems must accurately track agreements reached by participants in real-time. Existing approaches either focus on task-oriented dialogues or produce unstructured outputs, rendering them unsuitable for this objective. Our work introduces the novel task of agreement tracking for two-party multi-issue negotiations, which requires continuous monitoring of agreements within a structured state space. To address the scarcity of annotated corpora with realistic multi-issue negotiation dialogues, we use GPT-3 to build GPT-Negochat, a synthesized dataset that we make publicly available. We present a strong initial baseline for our task by transfer-learning a T5 model trained on the MultiWOZ 2.4 corpus. Pre-training T5-small and T5-base on MultiWOZ 2.4's DST task enhances results by 21% and 9% respectively over training solely on GPT-Negochat. We validate our method's sample-efficiency via smaller training subset experiments. By releasing GPT-Negochat and our baseline models, we aim to encourage further research in multi-issue negotiation dialogue agreement tracking.
• Abstract（参考訳）: 自動交渉支援システムは、多国間交渉(例えば、雇用主と候補者が給与、時間、求人前の昇進などについて交渉するなど)において、人間の交渉者がより良好な結果を得るのを助けることを目的としている。 成功させるためには、これらのシステムは参加者がリアルタイムに到達した合意を正確に追跡する必要がある。 既存のアプローチはタスク指向の対話にフォーカスするか、非構造化のアウトプットを生成するかのどちらかであり、この目的には適さない。 本研究は,構造化された国家空間における合意の継続的な監視を必要とする二国間交渉における合意追跡の新たなタスクを導入する。 注釈付きコーパスの欠如に対処するため,GPT-3を用いてGPT-Negochatを構築した。 我々は,multiwoz 2.4コーパスで学習したt5モデルを転送学習することで,タスクの初期ベースラインを強化する。 MultiWOZ 2.4 の DST タスクの事前トレーニング T5-small と T5-base は GPT-Negochat のみのトレーニングよりも 21% と 9% に向上する。 本手法のサンプル効率を,より小さな訓練サブセット実験により検証する。 我々は,GPT-Negochatとベースラインモデルをリリースすることによって,多国間対話契約追跡のさらなる研究を促進することを目的とする。

関連論文リスト

• Are LLMs Effective Negotiators? Systematic Evaluation of the Multifaceted Capabilities of LLMs in Negotiation Dialogues [4.738985706520995]
  本研究の目的は,多様な対話シナリオにまたがるLLMの多面的特徴を体系的に解析することである。 本分析では,GPT-4の課題を特定しながら,多くのタスクにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-21T06:11:03Z)
• Let's Negotiate! A Survey of Negotiation Dialogue Systems [56.01648785030208]
  交渉は人間のコミュニケーションにおいて重要な能力である。 近年の交渉対話システムへの関心は、紛争の解決や合意の達成を支援するインテリジェントなエージェントを作ることを目標としている。
  論文  参考訳（メタデータ） (2024-02-02T02:12:46Z)
• Assistive Large Language Model Agents for Socially-Aware Negotiation Dialogues [47.977032883078664]
  我々はLarge Language Models(LLM)に基づく支援エージェントを開発する。 2つのLLMエージェントをロールプレイに参加させることで、ビジネス交渉をシミュレートする。 第3のLLMは、交渉結果を改善するための基準に違反した発話を書き換える仲介役として機能する。
  論文  参考訳（メタデータ） (2024-01-29T09:07:40Z)
• INA: An Integrative Approach for Enhancing Negotiation Strategies with Reward-Based Dialogue System [22.392304683798866]
  本稿では,オンラインマーケットプレース向けに設計された対話エージェントを提案する。 我々は,交渉担当者を訓練するための交渉作業に適した,一連の新しい報酬を雇用している。 提案手法と報奨システムはエージェントの交渉能力を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-10-27T15:31:16Z)
• Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
  我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。 合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。 我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
  論文  参考訳（メタデータ） (2023-09-29T13:33:06Z)
• Language of Bargaining [60.218128617765046]
  我々は、言語の使用が二国間交渉をどのように形成するかを研究するための新しいデータセットを構築した。 我々の研究は、交渉の結果を予測する言語信号も明らかにしている。
  論文  参考訳（メタデータ） (2023-06-12T13:52:01Z)
• Let's Negotiate! A Survey of Negotiation Dialogue Systems [50.8766991794008]
  交渉は人間のコミュニケーションにおいて重要な能力の1つである。 目標とは、人間が紛争を解決したり、有益な合意に達するのを効率的に支援する能力を持つ知的エージェントを強化することである。
  論文  参考訳（メタデータ） (2022-12-18T12:03:53Z)
• CaSiNo: A Corpus of Campsite Negotiation Dialogues for Automatic Negotiation Systems [11.43342650898619]
  我々はCaSiNo:英語で数千以上の交渉対話の斬新なコーパスを提示します。 私たちの設計は、トラクタブルで閉じたドメイン環境を維持しながら、多様で言語的に豊富な交渉をもたらします。 これらの戦略を与えられた発話で認識するためのマルチタスクフレームワークの提案と評価を行います。
  論文  参考訳（メタデータ） (2021-03-29T16:07:25Z)
• Negotiating Team Formation Using Deep Reinforcement Learning [32.066083116314815]
  深層強化学習を用いてチームを交渉・形成するための訓練エージェントのための枠組みを提案する。 我々は,非空間的および空間的に拡張されたチーム・フォーム交渉環境に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-10-20T15:41:23Z)
• Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
  本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。 提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。 本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
  論文  参考訳（メタデータ） (2020-04-29T11:02:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。