論文の概要: How Well Can LLMs Negotiate? NegotiationArena Platform and Analysis

• arxiv url: http://arxiv.org/abs/2402.05863v1
• Date: Thu, 8 Feb 2024 17:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 13:51:40.223374
• Title: How Well Can LLMs Negotiate? NegotiationArena Platform and Analysis
• Title（参考訳）: LLMはどのように交渉できるのか? NegotiationArenaプラットフォームと解析
• Authors: Federico Bianchi, Patrick John Chia, Mert Yuksekgonul, Jacopo Tagliabue, Dan Jurafsky, James Zou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.15061156253347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Negotiation is the basis of social interactions; humans negotiate everything from the price of cars to how to share common resources. With rapidly growing interest in using large language models (LLMs) to act as agents on behalf of human users, such LLM agents would also need to be able to negotiate. In this paper, we study how well LLMs can negotiate with each other. We develop NegotiationArena: a flexible framework for evaluating and probing the negotiation abilities of LLM agents. We implemented three types of scenarios in NegotiationArena to assess LLM's behaviors in allocating shared resources (ultimatum games), aggregate resources (trading games) and buy/sell goods (price negotiations). Each scenario allows for multiple turns of flexible dialogues between LLM agents to allow for more complex negotiations. Interestingly, LLM agents can significantly boost their negotiation outcomes by employing certain behavioral tactics. For example, by pretending to be desolate and desperate, LLMs can improve their payoffs by 20\% when negotiating against the standard GPT-4. We also quantify irrational negotiation behaviors exhibited by the LLM agents, many of which also appear in humans. Together, \NegotiationArena offers a new environment to investigate LLM interactions, enabling new insights into LLM's theory of mind, irrationality, and reasoning abilities.
• Abstract（参考訳）: 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。 本稿では,LLMが相互にどのように交渉できるかを考察する。 我々は,LLMエージェントの交渉能力を評価するための柔軟なフレームワークであるNegotiationArenaを開発した。 我々はNegotiationArenaの3種類のシナリオを実装し、共有リソース(最後試合)、集約リソース(取引ゲーム)、購入・販売商品(価格交渉)の割り当てにおけるLCMの挙動を評価した。 各シナリオはLLMエージェント間の複数のフレキシブルな対話を可能にし、より複雑な交渉を可能にする。 興味深いことに、LLMエージェントは特定の行動戦術を用いて交渉結果を著しく向上させることができる。 例えば、老朽化と絶望のふりをして、標準のGPT-4と交渉する場合、LCMは20倍の報酬を得られる。 また,LLMエージェントが提示する不合理な交渉行動の定量化も行い,その多くが人間にも現れる。 ニューゴタライズアリーナは、LLMの相互作用を研究する新しい環境を提供し、LLMの心の理論、不合理性、推論能力に関する新たな洞察を可能にする。

関連論文リスト

• NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews [65.35458530702442]
  我々はジャーナリストのインタビューに焦点をあて、コミュニケーションの基盤と豊富なデータに富んだドメインに焦点をあてる。 我々はNPRとCNNから4万人の2人によるインフォメーションインタビューのデータセットをキュレートする。 LLMは、人間のインタビュアーよりも、認識を使い、より高いレベルの質問に目を向ける可能性がはるかに低い。
  論文  参考訳（メタデータ） (2024-11-21T01:37:38Z)
• LLMs with Personalities in Multi-issue Negotiation Games [2.186901738997927]
  ゲーム理論の枠組みの中で,大規模言語モデル(LLM)の交渉能力を測定する。 高い開放性、良心、神経症は公正な傾向と関連している。 低一致性と低開放性は合理的な傾向と関連している。
  論文  参考訳（メタデータ） (2024-05-08T17:51:53Z)
• Rethinking the Bounds of LLM Reasoning: Are Multi-Agent Discussions the Key? [84.36332588191623]
  本稿では,議論機構の集合を充実させる新しいグループディスカッションフレームワークを提案する。 マルチエージェントの議論は,プロンプトに実演がない場合にのみ,単一のエージェントよりも優れていることが観察された。
  論文  参考訳（メタデータ） (2024-02-28T12:04:05Z)
• 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)
• 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)
• Negotiating with LLMS: Prompt Hacks, Skill Gaps, and Reasoning Deficits [1.2818275315985972]
  LLMとの価格交渉において,全年齢層で40人以上の個人を対象とするユーザスタディを実施している。 交渉された価格が、LLMと効果的に相互作用する際のリテラシーのギャップを指摘し、人類が幅広い範囲で達成したことを示す。
  論文  参考訳（メタデータ） (2023-11-26T08:44:58Z)
• Zero-Shot Goal-Directed Dialogue via RL on Imagined Conversations [70.7884839812069]
  大規模言語モデル(LLM)は、多くの自然言語タスクに対する強力で一般的な解決策として登場した。 しかしながら、言語生成の最も重要なアプリケーションの多くは対話的であり、エージェントは望ましい結果に達するために相手と話し合わなければならない。 本研究では,そのような目標指向対話に対して,RLでLLMを適応させる新しい手法について検討する。
  論文  参考訳（メタデータ） (2023-11-09T18:45:16Z)
• 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)

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。