論文の概要: FishBargain: An LLM-Empowered Bargaining Agent for Online Fleamarket Platform Sellers

• arxiv url: http://arxiv.org/abs/2502.10406v1
• Date: Wed, 22 Jan 2025 06:12:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 04:52:07.630657
• Title: FishBargain: An LLM-Empowered Bargaining Agent for Online Fleamarket Platform Sellers
• Title（参考訳）: FishBargain: LLMを利用したオンラインフリーマーケットプラットフォーム販売代理店
• Authors: Dexin Kong, Xu Yan, Ming Chen, Shuguang Han, Jufeng Chen, Fei Huang,
• Abstract要約: そこで本研究では,オンラインフリーマーケットプラットフォーム販売者を対象に,LLMを利用したバーゲンエージェントを提案している。 FishBargainは、チャットコンテキストと製品情報を理解し、敵対的行為を考慮に入れたアクションと言語スキルを選択し、発話を生成する。 定性的かつ定量的な実験は、FishBargainが売り手がより多くの取引を行うのに効果的に役立つことを実証している。
• 参考スコア（独自算出の注目度）: 26.343587134457415
• License:
• Abstract: Different from traditional Business-to-Consumer e-commerce platforms~(e.g., Amazon), online fleamarket platforms~(e.g., Craigslist) mainly focus on individual sellers who are lack of time investment and business proficiency. Individual sellers often struggle with the bargaining process and thus the deal is unaccomplished. Recent advancements in Large Language Models(LLMs) demonstrate huge potential in various dialogue tasks, but those tasks are mainly in the form of passively following user's instruction. Bargaining, as a form of proactive dialogue task, represents a distinct art of dialogue considering the dynamism of environment and uncertainty of adversary strategies. In this paper, we propose an LLM-empowered bargaining agent designed for online fleamarket platform sellers, named as FishBargain. Specifically, FishBargain understands the chat context and product information, chooses both action and language skill considering possible adversary actions and generates utterances. FishBargain has been tested by thousands of individual sellers on one of the largest online fleamarket platforms~(Xianyu) in China. Both qualitative and quantitative experiments demonstrate that FishBargain can effectively help sellers make more deals.
• Abstract（参考訳）: 従来のBusiness-to-Consumerのeコマースプラットフォーム~(例:Amazon)と異なり、オンラインのフリーマーケットプラットフォーム~(例:Craigslist)は主に時間投資やビジネスの熟練度に欠ける個人販売者に焦点を当てている。 個々の売り手はしばしば取引プロセスに苦しむため、取引は未承認である。 近年のLarge Language Models(LLM)の進歩は,様々な対話タスクにおいて大きな可能性を秘めている。 交渉は、環境のダイナミズムと敵の戦略の不確実性を考慮して、積極的に対話するタスクの一形態として表現される。 本稿では,オンラインフリーマーケットプラットフォーム販売者を対象に,LLMを利用したバーゲン販売エージェントを提案する。 具体的には、FishBargainはチャットのコンテキストと製品情報を理解し、敵対的行為を考慮に入れたアクションと言語スキルを選択し、発話を生成する。 FishBargainは、中国最大のオンラインフリーマーケットプラットフォームであるXianyuで、何千もの個人販売業者によってテストされている。 定性的かつ定量的な実験は、FishBargainが売り手がより多くの取引を行うのに効果的に役立つことを実証している。

関連論文リスト

• Leveraging Large Language Models for Active Merchant Non-player Characters [6.412262542272846]
  我々は、現在の商人ノンプレイヤーキャラクタ(NPC)の通過に繋がる2つの重要な課題を強調した。 評価モジュールと交渉モジュールから構成されるMARTと呼ばれる,大規模言語モデル(LLM)に基づく商談フレームワークを提案する。 その結果, 教師付き微粒化 (SFT) や知識蒸留 (KD) などの微粒化法は, より小型のLCMを用いて, アクティブな商店NPCの実現に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-12-15T13:48:39Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Persuasion Games using Large Language Models [0.0]
  大型言語モデル (LLM) は、人間のような文章を解釈し、生成することのできる、恐ろしい道具として登場した。 本稿では,LCMがユーザ視点を形作り,その決定を特定のタスクに影響を及ぼす可能性について考察する。 この機能は、投資、クレジットカード、保険など、さまざまな分野のアプリケーションを見つける。
  論文  参考訳（メタデータ） (2024-08-28T15:50:41Z)
• Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning [23.919423630938226]
  SalesBotは、Chit-chatからタスク指向のシナリオへ移行し、セールスエージェントをトレーニングする対話をシミュレートする。 最初のデータはスムーズなトランジションとコヒーレントなロングターンダイアログを欠いていたため、セールス・カストマー相互作用の自然性が低かった。 営業担当者のインタラクションを学習し,チェーン・オブ・ソート(CoT)推論を用いた新しいモデル「SalesAgent」を紹介した。
  論文  参考訳（メタデータ） (2024-04-29T10:12:04Z)
• Measuring Bargaining Abilities of LLMs: A Benchmark and A Buyer-Enhancement Method [17.388837360641276]
  本稿では,Bargainingタスクを非対称な不完全情報ゲームとして記述する。 これにより、Bargainタスクにおけるエージェントのパフォーマンスを定量的に評価することができます。 本稿では,OG-Narratorと呼ばれる新手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T13:36:58Z)
• 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)
• 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)
• 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)
• Self-Explanation Prompting Improves Dialogue Understanding in Large Language Models [52.24756457516834]
  大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。 このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。 6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-09-22T15:41:34Z)
• 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)
• CaSiNo: A Corpus of Campsite Negotiation Dialogues for Automatic Negotiation Systems [11.43342650898619]
  我々はCaSiNo:英語で数千以上の交渉対話の斬新なコーパスを提示します。 私たちの設計は、トラクタブルで閉じたドメイン環境を維持しながら、多様で言語的に豊富な交渉をもたらします。 これらの戦略を与えられた発話で認識するためのマルチタスクフレームワークの提案と評価を行います。
  論文  参考訳（メタデータ） (2021-03-29T16:07:25Z)

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。