論文の概要: ACE: A LLM-based Negotiation Coaching System
- arxiv url: http://arxiv.org/abs/2410.01555v1
- Date: Wed, 2 Oct 2024 13:52:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 17:04:38.425889
- Title: ACE: A LLM-based Negotiation Coaching System
- Title（参考訳）: ACE: LLMによるネゴシエーションコーチングシステム
- Authors: Ryan Shea, Aymen Kallala, Xin Lucy Liu, Michael W. Morris, Zhou Yu,
- Abstract要約: LLMを用いたnEgotiation(ACE)支援支援システムの開発
ACEはユーザのための交渉パートナとして機能するだけでなく、改善のための目標とするフィードバックも提供する。
ACE生成したフィードバックの有効性を検証するために,2つの連続的な交渉実験を行った。
- 参考スコア（独自算出の注目度）: 14.876519551780005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing prominence of LLMs has led to an increase in the development of AI tutoring systems. These systems are crucial in providing underrepresented populations with improved access to valuable education. One important area of education that is unavailable to many learners is strategic bargaining related to negotiation. To address this, we develop a LLM-based Assistant for Coaching nEgotiation (ACE). ACE not only serves as a negotiation partner for users but also provides them with targeted feedback for improvement. To build our system, we collect a dataset of negotiation transcripts between MBA students. These transcripts come from trained negotiators and emulate realistic bargaining scenarios. We use the dataset, along with expert consultations, to design an annotation scheme for detecting negotiation mistakes. ACE employs this scheme to identify mistakes and provide targeted feedback to users. To test the effectiveness of ACE-generated feedback, we conducted a user experiment with two consecutive trials of negotiation and found that it improves negotiation performances significantly compared to a system that doesn't provide feedback and one which uses an alternative method of providing feedback.
- Abstract（参考訳）: LLMの普及は、AI教育システムの開発に繋がった。
これらの制度は、価値ある教育へのアクセスを改善するために、過小評価された人口を提供するのに不可欠である。
多くの学習者が利用できない重要な教育分野の1つは、交渉に関する戦略的交渉である。
そこで我々は,LLMをベースとしたnEgotiation (ACE) 支援支援システムを開発した。
ACEはユーザのための交渉パートナとして機能するだけでなく、改善のための目標とするフィードバックも提供する。
システム構築のために,MBA学生間の交渉書のデータセットを収集する。
これらの書き起こしは、訓練された交渉者から生まれ、現実的な交渉シナリオをエミュレートする。
このデータセットと専門家のコンサルテーションを用いて、交渉ミスを検出するためのアノテーションスキームを設計する。
ACEはこのスキームを使ってミスを特定し、ユーザにターゲットとするフィードバックを提供する。
ACE生成したフィードバックの有効性を検証するため,ユーザによる2回の交渉実験を行い,フィードバックを提供しないシステムとフィードバックを提供する代替手法を用いたシステムと比較して,交渉性能を著しく向上することを確認した。
関連論文リスト
- Exploring Knowledge Tracing in Tutor-Student Dialogues [53.52699766206808]
本稿では,教師と学生の対話における知識追跡(KT)の最初の試みについて述べる。
そこで本研究では,対話の各ターンに係わる知識コンポーネントやスキルを同定する手法を提案する。
次に,得られたラベル付きデータに様々なKT手法を適用し,対話全体を通して学生の知識レベルを追跡する。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - 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) - Let's Negotiate! A Survey of Negotiation Dialogue Systems [56.01648785030208]
交渉は人間のコミュニケーションにおいて重要な能力である。
近年の交渉対話システムへの関心は、紛争の解決や合意の達成を支援するインテリジェントなエージェントを作ることを目標としている。
論文 参考訳（メタデータ） (2024-02-02T02:12:46Z) - 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) - Salespeople vs SalesBot: Exploring the Role of Educational Value in
Conversational Recommender Systems [78.84530426424838]
既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。
このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。
私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
論文 参考訳（メタデータ） (2023-10-26T19:44:06Z) - 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) - Agreement Tracking for Multi-Issue Negotiation Dialogues [3.093890460224435]
両党の多国間交渉における合意追跡の新たな課題について紹介する。
GPT-3を用いてGPT-Negochatを構築する。
我々は,MultiWOZ 2.4コーパスで訓練されたT5モデルをトランスファーラーニングすることで,タスクの強力な初期ベースラインを提示する。
論文 参考訳（メタデータ） (2023-07-13T02:00:27Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - Let's Negotiate! A Survey of Negotiation Dialogue Systems [50.8766991794008]
交渉は人間のコミュニケーションにおいて重要な能力の1つである。
目標とは、人間が紛争を解決したり、有益な合意に達するのを効率的に支援する能力を持つ知的エージェントを強化することである。
論文 参考訳（メタデータ） (2022-12-18T12:03:53Z) - Targeted Data Acquisition for Evolving Negotiation Agents [6.953246373478702]
成功した交渉者は、自己利益と協力のために最適化のバランスをとる方法を学ばなければならない。
現在の人工交渉エージェントは、トレーニングされた静的データセットの品質に大きく依存することが多い。
我々は、強化学習エージェントの探索をガイドするターゲットデータ取得フレームワークを導入する。
論文 参考訳（メタデータ） (2021-06-14T19:45:59Z)
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。