Fugu-MT 論文翻訳(概要): Collaborative Problem-Solving in an Optimization Game

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

Interactive Debugging and Steering of Multi-Agent AI Systems [25.84430269055025]
LLMを搭載したAIエージェントの完全な自律チームが登場し、ユーザのための複雑なタスクを共同で実行している。これらのAIエージェントチームを構築してデバッグしようとする場合、開発者はどのような課題に直面しますか? 5人のAIエージェント開発者とのフォーマティブなインタビューでは、エラーをローカライズするための長いエージェント会話のレビューの困難、インタラクティブデバッグのための現在のツールサポートの欠如、エージェント設定を反復するためのツールサポートの必要性など、主要な課題が明らかになった。これらのニーズに基づいて、対話型マルチエージェントデバッグツール AG Debugger を開発し、メッセージの閲覧と送信のためのUI、前のエージェントメッセージの編集とリセット機能、概要を視覚化した。
論文参考訳（メタデータ） (2025-03-03T21:42:54Z)
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)
Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
論文参考訳（メタデータ） (2023-05-31T17:50:02Z)
CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文参考訳（メタデータ） (2023-03-31T01:09:00Z)
Learning to Solve Complex Tasks by Talking to Agents [39.08818632689814]
人間は、単純なサブタスクを解くことができるAIアシスタントのような既存のエージェントと対話することで、複雑な問題を解決することが多い。一般的なNLPベンチマークは、タスク毎に自己充足型モデルを開発することを目的としている。我々は,異なる能力を持つ4つのエージェントに対して「会話」によって解決されるように設計された3種類の複雑な推論タスクを含むCommaQAという新しいベンチマークを提案する。
論文参考訳（メタデータ） (2021-10-16T10:37:34Z)

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。