論文の概要: AI-Generated Compromises for Coalition Formation

• arxiv url: http://arxiv.org/abs/2506.06837v1
• Date: Sat, 07 Jun 2025 15:28:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.510845
• Title: AI-Generated Compromises for Coalition Formation
• Title（参考訳）: 協調形成のためのAI生成コンプリケーション
• Authors: Eyal Briman, Ehud Shapiro, Nimrod Talmon,
• Abstract要約: エージェント提案間の妥協を見つけることは、議論、調停、交渉のようなAIサブフィールドの基本である。 エージェント境界合理性と不確実性を組み込んだモデルを定式化し、妥協提案を生成するAI手法を開発する。 提案手法では,自然言語処理技術と大規模言語モデルを用いて,テキスト上の意味的距離空間を誘導する。
• 参考スコア（独自算出の注目度）: 11.443736581068599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The challenge of finding compromises between agent proposals is fundamental to AI subfields such as argumentation, mediation, and negotiation. Building on this tradition, Elkind et al. (2021) introduced a process for coalition formation that seeks majority-supported proposals preferable to the status quo, using a metric space where each agent has an ideal point. A crucial step in this process involves identifying compromise proposals around which agent coalitions can unite. How to effectively find such compromise proposals remains an open question. We address this gap by formalizing a model that incorporates agent bounded rationality and uncertainty, and by developing AI methods to generate compromise proposals. We focus on the domain of collaborative document writing, such as the democratic drafting of a community constitution. Our approach uses natural language processing techniques and large language models to induce a semantic metric space over text. Based on this space, we design algorithms to suggest compromise points likely to receive broad support. To evaluate our methods, we simulate coalition formation processes and show that AI can facilitate large-scale democratic text editing, a domain where traditional tools are limited.
• Abstract（参考訳）: エージェント提案間の妥協を見つけるという課題は、議論、仲介、交渉といったAIサブフィールドの基本である。 この伝統に基づいてエルキンドら(2021年)は、各エージェントが理想的な点を持つ計量空間を用いて、現状クオに好まれる多数派支持の提案を求める連立形成のプロセスを導入した。 このプロセスにおける重要なステップは、エージェント連立が一体化できる妥協提案を特定することである。 このような妥協案を効果的に見つける方法は、未解決の問題である。 エージェント境界合理性と不確実性を含むモデルを形式化し、妥協提案を生成するAI手法を開発することにより、このギャップに対処する。 我々は、共同体憲法の民主的起草など、共同文書作成の領域に焦点を当てる。 提案手法では,自然言語処理技術と大規模言語モデルを用いて,テキスト上の意味的距離空間を誘導する。 この領域に基づいて、幅広いサポートを受ける可能性のある妥協点を提案するアルゴリズムを設計する。 提案手法を評価するために,従来のツールが限定された領域である大規模民主的テキスト編集をAIが促進できることを示す。

関連論文リスト

• AgentDAO: Synthesis of Proposal Transactions Via Abstract DAO Semantics [5.72453247290246]
  本稿では,大規模言語モデルを用いたマルチエージェントシステムと,ガバナンス提案を生成するラベル中心検索アルゴリズムを提案する。 Langが達成した重要な最適化は、トークン要求の低い提案生成を確実に保証する、ユーザ入力のセマンティックアウェアな抽象化である。 実世界の応用に関する予備的な評価は、既存の基礎モデルによる複雑な提案の可能性を反映している。
  論文  参考訳（メタデータ） (2025-03-13T06:52:18Z)
• Political Neutrality in AI Is Impossible- But Here Is How to Approximate It [97.59456676216115]
  真の政治的中立性は、主観的な性質と、AIトレーニングデータ、アルゴリズム、ユーザーインタラクションに固有のバイアスのため、実現可能でも普遍的に望ましいものではない、と我々は主張する。 我々は、政治的中立性の「近似」という用語を使って、到達不可能な絶対値から達成不可能で実用的なプロキシへ焦点を移す。
  論文  参考訳（メタデータ） (2025-02-18T16:48:04Z)
• The Right to AI [3.2132738637761027]
  本稿では、個人やコミュニティが生活を形成するAIシステムの開発とガバナンスに有意義に参画すべきであると主張するAIの権利を提案する。 我々は、生成エージェント、大規模データ抽出、そして多様な文化的価値が、AIの監視に新しい複雑さをもたらすかを批判的に評価する。
  論文  参考訳（メタデータ） (2025-01-29T04:32:41Z)
• Modelling Political Coalition Negotiations Using LLM-based Agents [53.934372246390495]
  我々は、新しいNLPタスクとして連立交渉を導入し、それを大規模言語モデルに基づくエージェント間の交渉としてモデル化する。 我々は、欧州政党の宣言とこれらの国における多数の選挙に関する連立協定を含む多言語データセット「POLCA」を導入する。 本稿では、政党間の連立交渉の過程をシミュレートし、その結果を予測するために、階層的なマルコフ決定プロセスを提案する。
  論文  参考訳（メタデータ） (2024-02-18T21:28:06Z)
• Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
  従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-11-06T16:40:13Z)
• A Taxonomy of Decentralized Identifier Methods for Practitioners [50.76687001060655]
  SSI(Self-Sovereign Identity)の新たなアイデンティティ管理パラダイムの中核となるのは、W3C Decentralized Identifiers(DID)標準である。 本稿では, DID手法を選択する際に, 実践者が情報的意思決定を行えるようにするためのDID手法の分類法を提案する。
  論文  参考訳（メタデータ） (2023-10-18T13:01:40Z)
• Generative Social Choice [31.99162448662916]
  オープンエンドの民主的プロセスの設計手法である生成的社会的選択を紹介する。 プロセス表現は、オラクルクエリへのアクセスが与えられたときに保証されることを証明します。 我々は,これらのクエリが大規模言語モデルを用いて概ね実装可能であることを実証的に検証した。
  論文  参考訳（メタデータ） (2023-09-03T23:47:21Z)
• Self-Polish: Enhance Reasoning in Large Language Models via Problem Refinement [50.62461749446111]
  Self-Polish(SP)は、与えられた問題を徐々に洗練し、より理解しやすく解けるように誘導することによって、モデルの推論を促進する新しい方法である。 SPは、CoTのような答え/推論サイドの他のすべてのプロンプトメソッドであり、最先端の技術とのシームレスな統合を可能にし、さらなる改善を可能にします。
  論文  参考訳（メタデータ） (2023-05-23T19:58:30Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)

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。