論文の概要: Collaborative Problem-Solving in an Optimization Game
- arxiv url: http://arxiv.org/abs/2505.15490v1
- Date: Wed, 21 May 2025 13:15:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:59.653956
- Title: Collaborative Problem-Solving in an Optimization Game
- Title（参考訳）: 最適化ゲームにおける協調的問題解決
- Authors: Isidora Jeknic, Alex Duchnowski, Alexander Koller,
- Abstract要約: 本稿では,エージェントが協調して2人プレイのトラベリングセールスマン問題を解く対話ゲームを紹介する。
我々のベストエージェントは、ゲームの45%を最適に自己プレイで解決します。
また、人間のユーザーとうまく協力し、馴染みのないグラフに一般化する能力も示している。
- 参考スコア（独自算出の注目度）: 52.005042190810116
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dialogue agents that support human users in solving complex tasks have received much attention recently. Many such tasks are NP-hard optimization problems that require careful collaborative exploration of the solution space. We introduce a novel dialogue game in which the agents collaboratively solve a two-player Traveling Salesman problem, along with an agent that combines LLM prompting with symbolic mechanisms for state tracking and grounding. Our best agent solves 45% of games optimally in self-play. It also demonstrates an ability to collaborate successfully with human users and generalize to unfamiliar graphs.
- Abstract（参考訳）: 近年,複雑なタスクの解決を支援する対話エージェントが注目されている。
そのようなタスクの多くはNPハードな最適化問題であり、解空間を慎重に協調的に探索する必要がある。
エージェントが協調して2人プレイのトラベリングセールスマン問題を解き、LSMのプロンプトと状態追跡とグラウンドのシンボリックメカニズムを組み合わせた対話ゲームを導入する。
我々のベストエージェントは、ゲームの45%を最適に自己プレイで解決します。
また、人間のユーザーとうまく協力し、馴染みのないグラフに一般化する能力も示している。
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) - Cooperation on the Fly: Exploring Language Agents for Ad Hoc Teamwork in
the Avalon Game [25.823665278297057]
本研究は,自然言語によって駆動される環境下でエージェントが動作する,アドホックなチームワークの問題に焦点を当てる。
チームコラボレーションにおけるLLMエージェントの可能性を明らかにするとともに,コミュニケーションにおける幻覚に関連する課題を明らかにする。
この問題に対処するため,LLMに拡張メモリとコード駆動推論を備えた汎用エージェントであるCodeActを開発した。
論文 参考訳（メタデータ） (2023-12-29T08:26:54Z) - 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) - MindAgent: Emergent Gaming Interaction [103.73707345211892]
大規模言語モデル(LLM)は、マルチエージェントシステムで複雑なスケジューリングを行う能力を持つ。
我々はMindAgentを提案し,ゲームインタラクションにおける創発的能力の評価・調整を行う。
論文 参考訳（メタデータ） (2023-09-18T17:52:22Z)
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。