論文の概要: InteraSSort: Interactive Assortment Planning Using Large Language Models
- arxiv url: http://arxiv.org/abs/2311.12241v2
- Date: Tue, 9 Jan 2024 17:53:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 19:31:34.319819
- Title: InteraSSort: Interactive Assortment Planning Using Large Language Models
- Title(参考訳): InteraSSort: 大規模言語モデルを用いた対話型アソシエーション計画
- Authors: Saketh Reddy Karra, Theja Tulabandhula
- Abstract要約: 対話型会話による意思決定を支援するための対話型アソート計画フレームワークであるInteraSSortを提案する。
具体的には、InteraSSortへの入力テキストのプロンプトとして、ユーザが最適化目標を表現できるように、ユーザフレンドリなインターフェースを備えたソリューションを開発する。
我々のフレームワークは、対話的な会話を通じて追加の制約を含めることによって、基本的な機能を超えて拡張します。
- 参考スコア(独自算出の注目度): 0.7784248206747153
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Assortment planning, integral to multiple commercial offerings, is a key
problem studied in e-commerce and retail settings. Numerous variants of the
problem along with their integration into business solutions have been
thoroughly investigated in the existing literature. However, the nuanced
complexities of in-store planning and a lack of optimization proficiency among
store planners with strong domain expertise remain largely overlooked. These
challenges frequently necessitate collaborative efforts with multiple
stakeholders which often lead to prolonged decision-making processes and
significant delays. To mitigate these challenges and capitalize on the
advancements of Large Language Models (LLMs), we propose an interactive
assortment planning framework, InteraSSort that augments LLMs with optimization
tools to assist store planners in making decisions through interactive
conversations. Specifically, we develop a solution featuring a user-friendly
interface that enables users to express their optimization objectives as input
text prompts to InteraSSort and receive tailored optimized solutions as output.
Our framework extends beyond basic functionality by enabling the inclusion of
additional constraints through interactive conversation, facilitating precise
and highly customized decision-making. Extensive experiments demonstrate the
effectiveness of our framework and potential extensions to a broad range of
operations management challenges.
- Abstract(参考訳): 複数の商用製品に不可欠なアソシエーションプランニングは、eコマースと小売のセッティングで研究されている重要な問題である。
問題の多くの変種とビジネスソリューションへの統合は、既存の文献で徹底的に研究されている。
しかし、店内計画の煩雑な複雑さと、強力なドメイン知識を持つ店内プランナーの間での最適化能力の欠如はほとんど見落とされ続けている。
これらの課題は、しばしば複数のステークホルダーとの協力的な取り組みを必要とします。
これらの課題を緩和し,Large Language Models (LLMs) の進歩に乗じるために,対話型対話による意思決定を支援するために,LLMを最適化ツールで拡張するインターアソート(InteraSSort)を提案する。
具体的には,ユーザフレンドリーなインターフェースを特徴とするソリューションを開発した。入力テキストが相互にソートし,最適化したソリューションを出力として受信するように,最適化目標を表現できる。
我々のフレームワークは、対話的な会話を通じて追加の制約を加えることを可能にし、正確かつ高度にカスタマイズされた意思決定を容易にする。
広範囲にわたる運用管理課題に対する我々のフレームワークと潜在的な拡張の有効性を示す大規模な実験を行った。
関連論文リスト
- From Large Language Models and Optimization to Decision Optimization
CoPilot: A Research Manifesto [2.4981381729038743]
我々は,大規模言語モデルと最適化の交点において,決定最適化CoPilot(DOCP)を作成するための研究を提案する。
DOCPは意思決定者を支援するために設計されたAIツールで、自然言語で対話してビジネスの問題を把握し、その後、対応する最適化モデルを定式化し、解決する。
a) LLMは、既にDOCPに関連する実質的な新しい能力を提供しており、b.主要な研究課題に対処する必要がある。
論文 参考訳(メタデータ) (2024-02-26T03:10:11Z) - On the Multi-turn Instruction Following for Conversational Web Agents [83.51251174629084]
本稿では,ユーザと環境の両方で複数回にまたがる高度なインタラクションを必要とする,対話型Webナビゲーションの新たなタスクを紹介する。
本稿では,メモリ利用と自己回帰技術を用いた自己反射型メモリ拡張計画(Self-MAP)を提案する。
論文 参考訳(メタデータ) (2024-02-23T02:18:12Z) - Beyond LLMs: Advancing the Landscape of Complex Reasoning [0.35813349058229593]
EC AIプラットフォームは、制約満足度と最適化問題を解決するために、ニューロシンボリックアプローチを採用している。
システムは正確で高性能な論理推論エンジンを採用している。
システムは、自然言語と簡潔な言語でアプリケーションロジックを指定する開発者をサポートする。
論文 参考訳(メタデータ) (2024-02-12T21:14:45Z) - On Leveraging Large Language Models for Enhancing Entity Resolution [11.668263762236343]
本稿では,大規模言語モデル(LLM)を実体分解プロセスで効率的に活用するための戦略を紹介する。
当社のアプローチは、予算に制限された消費を維持しながら、最も効果的なマッチング質問を最適に選択します。
エントロピーを指標として提案手法の有効性を評価し,提案手法の有効性と有効性について実験的に検証した。
論文 参考訳(メタデータ) (2024-01-07T09:06:58Z) - Thought Propagation: An Analogical Approach to Complex Reasoning with
Large Language Models [70.76692652007469]
大規模言語モデルの複雑な推論能力を高めるために,textbftextitThought Propagation (TP)を提案する。
TP はまず LLM に対して,入力問題に関連する類似問題の集合を提案し,解決するよう促す。
TPは、類似問題の結果を再利用して、新しいソリューションを直接生成したり、スクラッチから得られた初期ソリューションを修正するための知識集約的な実行プランを導出する。
論文 参考訳(メタデータ) (2023-10-06T01:40:09Z) - Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。
人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。
我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
論文 参考訳(メタデータ) (2023-09-30T07:11:39Z) - Self-Explanation Prompting Improves Dialogue Understanding in Large
Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。
このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。
6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文 参考訳(メタデータ) (2023-09-22T15:41:34Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳(メタデータ) (2023-08-17T10:49:18Z) - Learning Multi-Agent Intention-Aware Communication for Optimal
Multi-Order Execution in Finance [96.73189436721465]
まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。
本稿では,学習可能なマルチラウンド通信プロトコルを提案する。
2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
論文 参考訳(メタデータ) (2023-07-06T16:45:40Z) - An Interactive Knowledge-based Multi-objective Evolutionary Algorithm
Framework for Practical Optimization Problems [5.387300498478744]
本稿では,対話型知識に基づく進化的多目的最適化(IK-EMO)フレームワークを提案する。
ハイパフォーマンスなソリューションの進化から知識として隠れた変数関係を抽出し、フィードバックを受け取るためにユーザと共有し、その効率を改善するために最適化プロセスに適用する。
提案したIK-EMOの動作は、3つの大規模な実世界のエンジニアリング設計問題で実証されている。
論文 参考訳(メタデータ) (2022-09-18T16:51:01Z) - Efficient Incremental Modelling and Solving [1.6172800007896284]
AI計画問題を解決するための標準的なアプローチは、計画の地平線を漸進的に拡張し、特定の長さの計画を見つけようとする問題の解決である。
この研究の貢献は、SATソルバと自動モデリングシステムSaveile Rowのネイティブインタラクションを可能にすることである。
論文 参考訳(メタデータ) (2020-09-23T12:40:23Z)
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。