論文の概要: Indirect Dynamic Negotiation in the Nash Demand Game

• arxiv url: http://arxiv.org/abs/2409.06566v1
• Date: Tue, 10 Sep 2024 14:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-11 17:11:29.991692
• Title: Indirect Dynamic Negotiation in the Nash Demand Game
• Title（参考訳）: ナッシュデマンドゲームにおける間接的動的ネゴシエーション
• Authors: Tatiana V. Guy, Jitka Homolová, Aleksej Gaj,
• Abstract要約: 我々は,エージェントが間接交渉を行い,相手のモデルを学習することで交渉を成功させる決定モデルを提案した。 我々は,交渉の抽象モデルであるナッシュ・デマンド・ゲーム(Nash demand game)に我々のモデルを適用することで,我々のアプローチを説明する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The paper addresses a problem of sequential bilateral bargaining with incomplete information. We proposed a decision model that helps agents to successfully bargain by performing indirect negotiation and learning the opponent's model. Methodologically the paper casts heuristically-motivated bargaining of a self-interested independent player into a framework of Bayesian learning and Markov decision processes. The special form of the reward implicitly motivates the players to negotiate indirectly, via closed-loop interaction. We illustrate the approach by applying our model to the Nash demand game, which is an abstract model of bargaining. The results indicate that the established negotiation: i) leads to coordinating players' actions; ii) results in maximising success rate of the game and iii) brings more individual profit to the players.
• Abstract（参考訳）: 本論文は,不完全情報を伴う逐次二国間交渉の問題に対処する。 我々は,エージェントが間接交渉を行い,相手のモデルを学習することで交渉を成功させる決定モデルを提案した。 方法論的には、本論文は、ベイズ学習とマルコフ決定プロセスの枠組みに、自己関心を持つ独立プレイヤーのヒューリスティックに動機づけられた交渉を行う。 報酬の特別な形態は、プレイヤーがクローズドループの相互作用を通じて間接的に交渉することを暗黙的に動機づける。 我々は,このモデルを交渉の抽象モデルであるナッシュ・デマンド・ゲームに適用することで,そのアプローチを説明する。 その結果,確立された交渉の結果が示唆された。 一 プレーヤーの行動を調整すること 二 ゲームの成功率の最大化及び結果 三 プレイヤーにより個人利益をもたらすこと。

関連論文リスト

• A Dialogue Game for Eliciting Balanced Collaboration [64.61707514432533]
  本稿では、プレイヤーがゴール状態自体を交渉しなければならない2Dオブジェクト配置ゲームを提案する。 我々は,人間プレイヤーが様々な役割を担っていることを実証的に示し,バランスの取れた協調によってタスクのパフォーマンスが向上することを示した。
  論文  参考訳（メタデータ） (2024-06-12T13:35:10Z)
• Assistive Large Language Model Agents for Socially-Aware Negotiation Dialogues [47.977032883078664]
  我々は,ビジネス交渉における対話者を支援する大規模言語モデル(LLM)に基づく支援エージェントを開発する。 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。 3つの異なる交渉トピックにわたる交渉において,その効果を示すための実証的証拠を豊富に提供する。
  論文  参考訳（メタデータ） (2024-01-29T09:07:40Z)
• It Takes Two to Negotiate: Modeling Social Exchange in Online Multiplayer Games [14.109494237243762]
  本研究は,ターンベースの戦略ゲームDiplomacyにおけるオンラインプレイヤーのインタラクションを研究する。 私たちは、異なる交渉戦略のための1万以上のチャットメッセージのデータセットに注釈を付けました。
  論文  参考訳（メタデータ） (2023-11-15T03:21:04Z)
• Be Selfish, But Wisely: Investigating the Impact of Agent Personality in Mixed-Motive Human-Agent Interactions [24.266490660606497]
  セルフプレイのRLは交渉において妥協の価値を学ばないことがわかった。 我々は、多様な個性を持つエージェントを設計し、人間のパートナーとのパフォーマンスを分析するために、トレーニング手順を2つの新しい方法で修正する。 どちらの手法も有望性を示すが、自尊心のあるエージェントは、自己と交渉相手の両方に価値を生み出すことを暗黙的に学習することで、自身のパフォーマンスを最大化し、歩行を回避し、他の変種よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-22T20:31:35Z)
• 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)
• Improving Language Model Negotiation with Self-Play and In-Context Learning from AI Feedback [97.54519989641388]
  交渉ゲームにおいて,複数大言語モデル(LLM)が,遊び,振り返り,批判によって自律的に互いに改善できるかどうかを検討する。 私たちが考慮している言語モデルのサブセットだけが、AIフィードバックから自己プレイし、取引価格を改善することができます。
  論文  参考訳（メタデータ） (2023-05-17T11:55:32Z)
• Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents [65.2200847818153]
  競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。 エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
  論文  参考訳（メタデータ） (2020-07-30T11:30:42Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• 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。