論文の概要: LLMediator: GPT-4 Assisted Online Dispute Resolution

• arxiv url: http://arxiv.org/abs/2307.16732v1
• Date: Thu, 27 Jul 2023 10:25:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 13:50:43.671942
• Title: LLMediator: GPT-4 Assisted Online Dispute Resolution
• Title（参考訳）: LLMediator: GPT-4支援オンライン紛争解決
• Authors: Hannes Westermann, Jaromir Savelka, Karim Benyekhlef
• Abstract要約: オンライン紛争解決(ODR)を強化するための実験プラットフォームであるLLMediatorを紹介する。 LLMediatorは、GPT-4のような最先端の大規模言語モデル(LLM)を使用して、ユーザーメッセージのリフォーム、仲介者の応答のドラフト、そして潜在的に自律的に議論を行う。 最初の概念実証は有望であり、AIによる交渉と仲介に関するさらなる研究の道を開く。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this article, we introduce LLMediator, an experimental platform designed to enhance online dispute resolution (ODR) by utilizing capabilities of state-of-the-art large language models (LLMs) such as GPT-4. In the context of high-volume, low-intensity legal disputes, alternative dispute resolution methods such as negotiation and mediation offer accessible and cooperative solutions for laypeople. These approaches can be carried out online on ODR platforms. LLMediator aims to improve the efficacy of such processes by leveraging GPT-4 to reformulate user messages, draft mediator responses, and potentially autonomously engage in the discussions. We present and discuss several features of LLMediator and conduct initial qualitative evaluations, demonstrating the potential for LLMs to support ODR and facilitate amicable settlements. The initial proof of concept is promising and opens up avenues for further research in AI-assisted negotiation and mediation.
• Abstract（参考訳）: 本稿では,GPT-4のような最先端の大規模言語モデル(LLM)の機能を活用して,オンライン紛争解決(ODR)を強化する実験プラットフォームであるLLMediatorを紹介する。 高量、低強度の法的紛争の文脈では、交渉や仲介のような代替の紛争解決法は、平民に対してアクセス可能で協力的な解決策を提供する。 これらのアプローチはODRプラットフォーム上でオンラインで実施することができる。 LLMediatorは、GPT-4を利用してユーザーメッセージの改定、仲介者の応答の起草、そして潜在的に自律的に議論を行うことによって、そのようなプロセスの有効性を向上させることを目的としている。 我々はLLMediatorのいくつかの特徴を提示し、初期定性評価を行い、LCMがODRをサポートし、円滑な解決を促進する可能性を実証する。 最初の概念実証は有望であり、AIによる交渉と仲介に関するさらなる研究の道を開く。

関連論文リスト

• WHoW: A Cross-domain Approach for Analysing Conversation Moderation [30.80591855607426]
  WHoWは、異なるドメイン/シナリオ間でモデレーターのファシリテーション戦略を分析するための評価フレームワークである。 我々は,テレビ討論会とラジオパネル討論という2つの領域から,5,657文を人間裁判官で,15,494文をGPT-4oで注視した。
  論文  参考訳（メタデータ） (2024-10-21T00:54:31Z)
• Robots in the Middle: Evaluating LLMs in Dispute Resolution [0.0]
  大規模言語モデル(LLM)が紛争の会話を分析し、適切な介入タイプを選択し、適切な介入メッセージを生成することができるかどうかを検討する。 我々の結果は、オンライン紛争解決(ODR)プラットフォームにAIを統合する可能性を示している。
  論文  参考訳（メタデータ） (2024-10-09T16:51:10Z)
• Enabling Real-Time Conversations with Minimal Training Costs [61.80370154101649]
  本稿では,2つの言語モデルに対して,最小限の訓練を要し,2つの言語能力を持つ新しい重複復号法を提案する。 実験結果から,本手法はトレーニングコストの最小化とともに,ユーザとAIのインタラクションの自然性と人間的類似性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-09-18T06:27:26Z)
• Beyond Agreement: Diagnosing the Rationale Alignment of Automated Essay Scoring Methods based on Linguistically-informed Counterfactuals [5.565480386188035]
  提案手法は,大規模言語モデルによって支援された対実的介入を用いて,BERTのようなモデルが主に文レベルの特徴に焦点を当てていることを明らかにする。 我々のアプローチは、ニューラルネットワークAES手法の理解を改善し、モデル駆動決定における透明性を求める他の領域にも適用できる。
  論文  参考訳（メタデータ） (2024-05-29T18:16:32Z)
• Large Multimodal Agents: A Survey [78.81459893884737]
  大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。 LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。 本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-02-23T06:04:23Z)
• Generating Chain-of-Thoughts with a Pairwise-Comparison Approach to Searching for the Most Promising Intermediate Thought [70.30423016640749]
  CoT法(Chain-of- Thoughts)は、大規模言語モデルにステップバイステップの推論を誘導し、単純から複雑への問題解決を可能にする手法である。 大規模言語モデル (LLMs) による評価は、一般的にうるさく、信頼できないものであり、将来有望な中間的思考を選択する際の生成過程を誤解させる可能性がある。 本稿では,Vapnikの原理を動機として,ポイントワイドスコアではなくペアワイズ比較評価を用いて,有望な中間思考を探索する。
  論文  参考訳（メタデータ） (2024-02-10T09:51:03Z)
• Learning to Break: Knowledge-Enhanced Reasoning in Multi-Agent Debate System [16.830182915504555]
  マルチエージェント討論システム(MAD)は、真理を追求する人間の議論の過程を模倣する。 様々なエージェントが、限られた知識の背景から、適切に、高度に一貫した認知をさせることは困難である。 本稿では,Underline Knowledge-underlineEnhanced frameworkを用いたUnderlineMulti-underlineAgent UnderlineDebateを提案する。
  論文  参考訳（メタデータ） (2023-12-08T06:22:12Z)
• Is ChatGPT a Good Multi-Party Conversation Solver? [42.939861319863795]
  大規模言語モデル (LLM) は自然言語処理の領域において影響力のある道具として出現している。 本稿では,多人数会話におけるLLM生成の可能性について検討する。 実験により,ChatGPTとGPT-4のゼロショット学習能力を評価する。
  論文  参考訳（メタデータ） (2023-10-25T02:18:40Z)
• Modeling Uncertainty and Using Post-fusion as Fallback Improves Retrieval Augmented Generation with LLMs [80.74263278847063]
  検索されたパスと大きな言語モデル(LLM)の統合は、オープンドメインの質問応答の改善に大きく貢献している。 本稿では,検索したパスをLLMと組み合わせて回答生成を向上させる方法について検討する。
  論文  参考訳（メタデータ） (2023-08-24T05:26:54Z)
• Principle-Driven Self-Alignment of Language Models from Scratch with Minimal Human Supervision [84.31474052176343]
  ChatGPTのような最近のAIアシスタントエージェントは、人間のアノテーションと人間のフィードバックからの強化学習を教師付き微調整(SFT)に頼り、アウトプットを人間の意図に合わせる。 この依存は、人間の監督を得るために高いコストがかかるため、AIアシスタントエージェントの真の可能性を大幅に制限することができる。 本稿では,AIエージェントの自己調整と人間監督の最小化のために,原則駆動推論とLLMの生成能力を組み合わせたSELF-ALIGNという新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-04T17:59:28Z)
• DUMA: Reading Comprehension with Transposition Thinking [107.89721765056281]
  MRC (Multi-choice Machine Reading) は、解答オプションのセットから正しい解答を決定するためのモデルを必要とする。 新しい Dual Multi-head Co-Attention (DUMA) モデルは、多選択MRC問題を解決する人間の転置思考プロセスにインスパイアされている。
  論文  参考訳（メタデータ） (2020-01-26T07:35:02Z)

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。