論文の概要: ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions

• arxiv url: http://arxiv.org/abs/2310.01331v3
• Date: Wed, 22 Jan 2025 06:13:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 13:28:53.152318
• Title: ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions
• Title（参考訳）: ChoiceMates:多言語対話による不慣れなオンライン意思決定を支援する
• Authors: Jeongeon Park, Bryan Min, Kihoon Son, Jean Y. Song, Xiaojuan Ma, Juho Kim,
• Abstract要約: これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。 エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
• 参考スコア（独自算出の注目度）: 53.07022684941739
• License:
• Abstract: From deciding on a PhD program to buying a new camera, unfamiliar decisions--decisions without domain knowledge--are frequent and significant. The complexity and uncertainty of such decisions demand unique approaches to information seeking, understanding, and decision-making. Our formative study highlights that users want to start by discovering broad and relevant domain information evenly and simultaneously, quickly address emerging inquiries, and gain personalized standards to assess information found. We present ChoiceMates, an interactive multi-agent system designed to address these needs by enabling users to engage with a dynamic set of LLM agents each presenting a unique experience in the domain. Unlike existing multi-agent systems that automate tasks with agents, the user orchestrates agents to assist their decision-making process. Our user evaluation (n=12) shows that ChoiceMates enables a more confident, satisfactory decision-making with better situation understanding than web search, and higher decision quality and confidence than a commercial multi-agent framework. This work provides insights into designing a more controllable and collaborative multi-agent system.
• Abstract（参考訳）: PhDプログラムの決定から新しいカメラの購入に至るまで、ドメインの知識のない決定は、頻繁に重要かつ重要なものです。 このような決定の複雑さと不確実性は、情報探索、理解、意思決定に対するユニークなアプローチを要求する。 我々のフォーマティブな研究は、ユーザーが広範かつ関連するドメイン情報を均一に同時に発見し、新しい問い合わせに迅速に対応し、発見された情報を評価するためのパーソナライズされた標準を取得することから始めることを強調している。 そこで我々はChoiceMatesという対話型マルチエージェントシステムについて紹介する。 エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。 ユーザ評価 (n=12) により、ChoiceMatesは、Web検索よりも、より信頼性が高く、良好な意思決定を可能にし、また、商用マルチエージェントフレームワークよりも、高い意思決定品質と信頼性を実現している。 この作業は、より制御可能で協調的なマルチエージェントシステムの設計に関する洞察を提供する。

関連論文リスト

• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。 提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• A Learnable Agent Collaboration Network Framework for Personalized Multimodal AI Search Engine [14.123823081267336]
  本稿では,Agent Collaboration Network (ACN) と呼ばれる新しいAI検索エンジンフレームワークを提案する。 ACNフレームワークは、複数の専門エージェントが協力して作業し、それぞれがアカウントマネージャ、ソリューションストラテジスト、情報マネージャ、コンテンツクリエータといった異なる役割を担っている。 ACNの特長は、エージェント間のオンライン相乗的調整をサポートする反射フォワード最適化法(RFO)の導入である。
  論文  参考訳（メタデータ） (2024-09-01T07:01:22Z)
• ADESSE: Advice Explanations in Complex Repeated Decision-Making Environments [14.105935964906976]
  この研究は、インテリジェントなエージェントが人間の意思決定者にアドバイスを提供するような問題設定について考察する。 我々は,人的信頼と意思決定を改善するためのアドバイザーエージェントの説明を生成するために,ADESSEというアプローチを開発した。
  論文  参考訳（メタデータ） (2024-05-31T08:59:20Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• AVIS: Autonomous Visual Information Seeking with Large Language Model Agent [123.75169211547149]
  本稿では,視覚的質問応答フレームワークAVISを提案する。 本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。 AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
  論文  参考訳（メタデータ） (2023-06-13T20:50:22Z)
• Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
  そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。 日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。 各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
  論文  参考訳（メタデータ） (2023-05-31T17:50:02Z)
• Toward Policy Explanations for Multi-Agent Reinforcement Learning [18.33682005623418]
  MARLのための2種類のポリシー記述を生成するための新しい手法を提案する。 3つのMARL領域の実験結果から,提案手法のスケーラビリティが実証された。 ユーザスタディでは、生成された説明がユーザパフォーマンスを著しく改善し、ユーザ満足度などの指標に対する主観的評価が向上することを示した。
  論文  参考訳（メタデータ） (2022-04-26T20:07:08Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Tradeoff-Focused Contrastive Explanation for MDP Planning [7.929642367937801]
  実際の計画の応用では、計画エージェントの決定は、競合する目標間の複雑なトレードオフを伴う可能性がある。 エンドユーザは、目的値に基づいて、エージェントが特定の計画ソリューションを決定する理由を理解することは困難である。 本稿では,マルチオブジェクトのMDP計画エージェントが,そのトレードオフの合理性を伝達する手法として,その意思決定を説明できるアプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-27T17:17:58Z)

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。