論文の概要: Assistive Large Language Model Agents for Socially-Aware Negotiation
Dialogues
- arxiv url: http://arxiv.org/abs/2402.01737v1
- Date: Mon, 29 Jan 2024 09:07:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:19:30.586498
- Title: Assistive Large Language Model Agents for Socially-Aware Negotiation
Dialogues
- Title(参考訳): 社会認識対話のための大規模言語モデルエージェント
- Authors: Yuncheng Hua, Lizhen Qu, Gholamreza Haffari
- Abstract要約: 我々は、2つの大きな言語モデル(LLM)が各会話における2つの交渉者の役割を果たすことによって、現実世界の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ための修復剤として機能する。
本手法が政策学習と結びついていることを示し,その効果を3つの異なるトピックにわたる交渉において実証するための実証的証拠を豊富に提供する。
- 参考スコア(独自算出の注目度): 53.92137694844765
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we aim to develop LLM agents to mitigate social norm violations
in negotiations in a multi-agent setting. We simulate real-world negotiations
by letting two large Language Models (LLMs) play the roles of two negotiators
in each conversation. A third LLM acts as a remediation agent to rewrite
utterances violating norms for improving negotiation outcomes. As it is a novel
task, no manually constructed data is available. To address this limitation, we
introduce a value impact based In-Context Learning (ICL) method to identify
high-quality ICL examples for the LLM-based remediation agents, where the value
impact function measures the quality of negotiation outcomes. We show the
connection of this method to policy learning and provide rich empirical
evidence to demonstrate its effectiveness in negotiations across three
different topics: product sale, housing price, and salary negotiation. The
source code and the generated dataset will be publicly available upon
acceptance.
- Abstract(参考訳): 本研究では,マルチエージェント環境での交渉における社会的規範違反を軽減するため,LLMエージェントの開発を目指す。
2つの大きな言語モデル(llm)がそれぞれの会話で2つの交渉役を演じることで、現実世界の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規範に違反する発話を書き直すための修復エージェントとして機能する。
新しいタスクであるため、手作業で構築したデータは使用できない。
この制限に対処するために、我々は、価値影響関数が交渉結果の質を測定するLLMベースの修復エージェントの高品質なICL例を特定するために、価値影響に基づく文脈学習(ICL)手法を導入する。
本手法は,政策学習との関連を示し,製品販売,住宅価格,給与交渉という3つのトピックにわたる交渉において,その効果を示す豊富な実証的証拠を提供する。
ソースコードと生成されたデータセットは、受理時に公開される。
関連論文リスト
- Modelling Political Coalition Negotiations Using LLM-based Agents [53.934372246390495]
我々は、新しいNLPタスクとして連立交渉を導入し、それを大規模言語モデルに基づくエージェント間の交渉としてモデル化する。
我々は、欧州政党の宣言とこれらの国における多数の選挙に関する連立協定を含む多言語データセット「POLCA」を導入する。
本稿では、政党間の連立交渉の過程をシミュレートし、その結果を予測するために、階層的なマルコフ決定プロセスを提案する。
論文 参考訳(メタデータ) (2024-02-18T21:28:06Z) - How Well Can LLMs Negotiate? NegotiationArena Platform and Analysis [50.15061156253347]
人間は自動車の価格から共通の資源の共有方法まで、あらゆることを交渉する。
大規模言語モデル(LLM)を人間の代理エージェントとして使うことへの関心が急速に高まっているため、そのようなLLMエージェントも交渉できる必要がある。
我々は,LLMエージェントの交渉能力を評価し,検証するためのフレキシブルなフレームワークであるNegotiationArenaを開発した。
論文 参考訳(メタデータ) (2024-02-08T17:51:48Z) - 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) - Prompting and Evaluating Large Language Models for Proactive Dialogues:
Clarification, Target-guided, and Non-collaboration [72.04629217161656]
本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。
LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:49:35Z) - A Deep Reinforcement Learning Approach to Concurrent Bilateral
Negotiation [6.484413431061962]
本稿では,未知および動的電子市場において,エージェントが同時交渉の際の交渉方法を学ぶことのできる,新たな交渉モデルを提案する。
このエージェントは、モデルのない強化学習を備えたアクタークリティカルアーキテクチャを使用して、ディープニューラルネットワークとして表現された戦略を学ぶ。
その結果、事前プログラミングを必要とせず、異なる電子市場設定に適応できる並行交渉のための自動エージェントを構築できる。
論文 参考訳(メタデータ) (2020-01-31T12:05:46Z) - Numerical Abstract Persuasion Argumentation for Expressing Concurrent
Multi-Agent Negotiations [3.7311680121118336]
2つのエージェントe1,e2による交渉プロセスは、例えばe1,e3間の別の交渉プロセスによってインターリーブすることができる。
議論に基づく交渉の既存の提案は、主に二国間交渉に焦点を当てている。
拡張理論は資源不足に対するマルチエージェントの同時交渉に適していることを示す。
論文 参考訳(メタデータ) (2020-01-23T01:46:58Z)
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。