論文の概要: Advancing AI Negotiations: New Theory and Evidence from a Large-Scale Autonomous Negotiations Competition

• arxiv url: http://arxiv.org/abs/2503.06416v1
• Date: Sun, 09 Mar 2025 03:25:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:46:31.329584
• Title: Advancing AI Negotiations: New Theory and Evidence from a Large-Scale Autonomous Negotiations Competition
• Title（参考訳）: AIネゴシエーションの促進 - 大規模自律ネゴシエーションコンペからの新しい理論とエビデンス
• Authors: Michelle Vaccaro, Michael Caoson, Harang Ju, Sinan Aral, Jared R. Curhan,
• Abstract要約: 我々は国際AIネゴシエーションコンペティションを行い、参加者は大規模言語モデル(LLM)交渉エージェントのために反復的に設計・洗練されたプロンプトを作成した。 その結果,AIとAIの交渉において,確立された人間と人間の交渉理論の基本原則が依然として不可欠であることが判明した。 また,AIとAIの交渉において,交渉理論によって完全に説明されていない特異なダイナミクスを明らかにした。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Despite the rapid proliferation of artificial intelligence (AI) negotiation agents, there has been limited integration of computer science research and established negotiation theory to develop new theories of AI negotiation. To bridge this gap, we conducted an International AI Negotiations Competition in which participants iteratively designed and refined prompts for large language model (LLM) negotiation agents. We then facilitated over 120,000 negotiations between these agents across multiple scenarios with diverse characteristics and objectives. Our findings revealed that fundamental principles from established human-human negotiation theory remain crucial in AI-AI negotiations. Specifically, agents exhibiting high warmth fostered higher counterpart subjective value and reached deals more frequently, which enabled them to create and claim more value in integrative settings. However, conditional on reaching a deal, warm agents claimed less value while dominant agents claimed more value. These results align with classic negotiation theory emphasizing relationship-building, assertiveness, and preparation. Our analysis also revealed unique dynamics in AI-AI negotiations not fully explained by negotiation theory, particularly regarding the effectiveness of AI-specific strategies like chain-of-thought reasoning and prompt injection. The agent that won our competition implemented an approach that blended traditional negotiation preparation frameworks with AI-specific methods. Together, these results suggest the importance of establishing a new theory of AI negotiations that integrates established negotiation theory with AI-specific strategies to optimize agent performance. Our research suggests this new theory must account for the unique characteristics of autonomous agents and establish the conditions under which traditional negotiation theory applies in automated settings.
• Abstract（参考訳）: 人工知能(AI)交渉エージェントの急速な普及にもかかわらず、コンピュータサイエンス研究の統合は限られており、AI交渉の新しい理論を開発するための交渉理論が確立されている。 このギャップを埋めるため、我々は国際AIネゴシエーションコンペティションを行い、参加者は大規模言語モデル(LLM)交渉エージェントのプロンプトを反復的に設計、洗練した。 そして、さまざまな特性と目的を持つ複数のシナリオで、これらのエージェント間の12000以上の交渉を支援しました。 その結果,AIとAIの交渉において,確立された人間と人間の交渉理論の基本原則が依然として不可欠であることが判明した。 具体的には、高い暖かさを示すエージェントはより高い主観的価値を育み、より頻繁な取引に到達し、統合的な設定でより多くの価値を創造し、主張することができた。 しかし、合意に達する条件として、温かいエージェントはより価値を主張し、支配的なエージェントはより多くの価値を主張した。 これらの結果は、関係構築、主張、準備を強調する古典的な交渉理論と一致している。 我々の分析は、AI-AI交渉において、特にチェーン・オブ・ソート・推論やインジェクションのようなAI固有の戦略の有効性について、交渉理論によって完全に説明されていない特異なダイナミクスを明らかにした。 競争に勝ったエージェントは、従来の交渉準備フレームワークとAI固有の手法を融合したアプローチを実行しました。 これらの結果は、確立された交渉理論とエージェント性能を最適化するためのAI固有の戦略を統合する、AI交渉の新しい理論を確立することの重要性を示唆している。 我々の研究は、この新理論が自律エージェントのユニークな特徴を考慮し、従来の交渉理論が自動設定に適用される条件を確立する必要があることを示唆している。

関連論文リスト

• Towards General Negotiation Strategies with End-to-End Reinforcement Learning [3.332967260145465]
  多様な交渉問題に対するエンドツーエンドの強化学習手法を開発した。 我々は,本手法が有効であること,また,これまでなかった交渉問題について,他のエージェントと交渉することを学ぶことができることを示す。
  論文  参考訳（メタデータ） (2024-06-21T12:24:36Z)
• NegotiationToM: A Benchmark for Stress-testing Machine Theory of Mind on Negotiation Surrounding [55.38254464415964]
  現在、マインド評価の理論は、機械生成データやゲーム設定を用いたテストモデルに焦点を合わせており、ショートカットや素早い相関が生じる傾向にある。 我々は,多次元精神状態を取り巻く実世界の交渉において,ストレステストマシンToMのための新しいベンチマークであるNegotiationToMを紹介する。
  論文  参考訳（メタデータ） (2024-04-21T11:51:13Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• 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,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)
• INA: An Integrative Approach for Enhancing Negotiation Strategies with Reward-Based Dialogue System [22.392304683798866]
  本稿では,オンラインマーケットプレース向けに設計された対話エージェントを提案する。 我々は,交渉担当者を訓練するための交渉作業に適した,一連の新しい報酬を雇用している。 提案手法と報奨システムはエージェントの交渉能力を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-10-27T15:31:16Z)
• 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)
• 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)
• 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)
• A Deep Reinforcement Learning Approach to Concurrent Bilateral Negotiation [6.484413431061962]
  本稿では,未知および動的電子市場において,エージェントが同時交渉の際の交渉方法を学ぶことのできる,新たな交渉モデルを提案する。 このエージェントは、モデルのない強化学習を備えたアクタークリティカルアーキテクチャを使用して、ディープニューラルネットワークとして表現された戦略を学ぶ。 その結果、事前プログラミングを必要とせず、異なる電子市場設定に適応できる並行交渉のための自動エージェントを構築できる。
  論文  参考訳（メタデータ） (2020-01-31T12:05:46Z)
• 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。