論文の概要: Harnessing the power of LLMs for normative reasoning in MASs

• arxiv url: http://arxiv.org/abs/2403.16524v1
• Date: Mon, 25 Mar 2024 08:09:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 15:28:08.303887
• Title: Harnessing the power of LLMs for normative reasoning in MASs
• Title（参考訳）: MASにおける規範的推論のためのLLMの力の調和
• Authors: Bastin Tony Roy Savarimuthu, Surangika Ranathunga, Stephen Cranefield,
• Abstract要約: 大きな言語モデル(LLM)は、標準に対してリッチで表現力豊かな語彙を提供する。 LLMはノルム発見、規範的推論、意思決定といった様々なタスクを実行できる。 本研究の目的は,MAS,NLP,LLM研究者の協力を得て,規範的エージェントの分野を推し進めることである。
• 参考スコア（独自算出の注目度）: 3.1796285054362605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software agents, both human and computational, do not exist in isolation and often need to collaborate or coordinate with others to achieve their goals. In human society, social mechanisms such as norms ensure efficient functioning, and these techniques have been adopted by researchers in multi-agent systems (MAS) to create socially aware agents. However, traditional techniques have limitations, such as operating in limited environments often using brittle symbolic reasoning. The advent of Large Language Models (LLMs) offers a promising solution, providing a rich and expressive vocabulary for norms and enabling norm-capable agents that can perform a range of tasks such as norm discovery, normative reasoning and decision-making. This paper examines the potential of LLM-based agents to acquire normative capabilities, drawing on recent Natural Language Processing (NLP) and LLM research. We present our vision for creating normative LLM agents. In particular, we discuss how the recently proposed "LLM agent" approaches can be extended to implement such normative LLM agents. We also highlight challenges in this emerging field. This paper thus aims to foster collaboration between MAS, NLP and LLM researchers in order to advance the field of normative agents.
• Abstract（参考訳）: ソフトウェアエージェントは、人でも計算でも、独立して存在せず、目標を達成するために、しばしば他人と協力したり調整したりする必要がある。 人間社会では、規範のような社会的メカニズムは効率的な機能を保証するが、これらの手法は、マルチエージェントシステム(MAS)の研究者が社会的に認識されるエージェントを作成するために採用している。 しかし、伝統的な技術は、しばしば脆いシンボリック推論を使用して限られた環境での運用のような制限がある。 LLM(Large Language Models)の出現は、標準に対するリッチで表現力豊かな語彙を提供し、ノルム発見、規範的推論、意思決定などのタスクを実行できるノルム対応エージェントを可能にする、有望なソリューションを提供する。 本稿では,近年の自然言語処理 (NLP) と LLM 研究に基づいて, LLM ベースエージェントによる規範的能力の獲得の可能性について検討する。 規範的LLMエージェントを作成するためのビジョンを提示する。 特に,最近提案された"LLMエージェント"アプローチが,そのような規範的LLMエージェントを実装するためにどのように拡張できるかについて議論する。 この新興分野の課題も強調する。 そこで本稿は,MAS,NLP,LLM研究者の協力関係を育成し,規範的エージェントの分野を推し進めることを目的とする。

関連論文リスト

• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• Large Language Models as Instruments of Power: New Regimes of Autonomous Manipulation and Control [0.0]
  大規模言語モデル(LLM)は様々な修辞スタイルを再現し、幅広い感情を表現したテキストを生成する。 我々は,LSMの迅速かつ大半非規制導入によって可能となった,過小評価された社会的危害について考察する。
  論文  参考訳（メタデータ） (2024-05-06T19:52:57Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• 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)
• Exploring Large Language Model based Intelligent Agents: Definitions, Methods, and Prospects [32.91556128291915]
  本稿では, シングルエージェントおよびマルチエージェントシステムにおける知的エージェントの詳細な概要を提供するため, 現在の研究状況について調査する。 定義、研究フレームワーク、その構成、認知と計画方法、ツール利用、環境フィードバックに対する反応などの基礎的な構成要素を網羅する。 我々は、AIと自然言語処理の進化の展望を考慮し、LLMベースのエージェントの展望を思い浮かべて結論付ける。
  論文  参考訳（メタデータ） (2024-01-07T09:08:24Z)
• Formally Specifying the High-Level Behavior of LLM-Based Agents [24.645319505305316]
  LLMはタスク固有の微調整モデルを必要とせずに、課題を解決するための有望なツールとして登場した。 現在、このようなエージェントの設計と実装はアドホックであり、LLMベースのエージェントが自然に適用できる様々なタスクは、エージェント設計に一律に適合するアプローチが存在しないことを意味する。 エージェント構築のプロセスを簡単にする最小主義的生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-12T17:24:15Z)
• LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [87.1164964709168]
  この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。 大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
  論文  参考訳（メタデータ） (2023-10-04T17:59:49Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• AgentBench: Evaluating LLMs as Agents [88.45506148281379]
  大規模言語モデル(LLM)は、従来のNLPタスクを超えた現実的な実用的ミッションをターゲットとして、ますます賢く自律的になってきています。 我々は,現在8つの異なる環境からなるベンチマークであるAgentBenchを紹介し,LLM-as-Agentの推論と意思決定能力を評価する。
  論文  参考訳（メタデータ） (2023-08-07T16:08:11Z)
• Auditing large language models: a three-layered approach [0.0]
  大規模言語モデル(LLM)は人工知能(AI)研究における大きな進歩を表している。 LLMはまた、重大な倫理的・社会的課題と結びついている。 これまでの研究は、監査を有望なガバナンスメカニズムとして取り上げてきた。
  論文  参考訳（メタデータ） (2023-02-16T18:55:21Z)

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。