論文の概要: EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation

• arxiv url: http://arxiv.org/abs/2511.03370v1
• Date: Wed, 05 Nov 2025 11:25:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.414417
• Title: EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation
• Title（参考訳）: EQ-Negotiator: エッジ展開可能なクレジットネゴシエーションのための小さな言語モデルを活用した動的感情的ペルソナ
• Authors: Yunbo Long, Yuhan Liu, Alexandra Brintrup,
• Abstract要約: 小型言語モデル (SLM) は実用的な代替手段を提供するが、大規模言語モデル (LLM) と比較して大きな性能差がある。 本稿では,感情的ペルソナを用いて,この能力ギャップを橋渡しする新しいフレームワークであるEQ-Negotiatorを紹介する。 EQ-Negotiator を用いた 7B パラメータ言語モデルは,ベースライン LLM の 10 倍以上の大きさで,債務回復と交渉効率が向上することを示す。
• 参考スコア（独自算出の注目度）: 66.09161596959771
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The deployment of large language models (LLMs) in automated negotiation has set a high performance benchmark, but their computational cost and data privacy requirements render them unsuitable for many privacy-sensitive, on-device applications such as mobile assistants, embodied AI agents or private client interactions. While small language models (SLMs) offer a practical alternative, they suffer from a significant performance gap compared to LLMs in playing emotionally charged complex personas, especially for credit negotiation. This paper introduces EQ-Negotiator, a novel framework that bridges this capability gap using emotional personas. Its core is a reasoning system that integrates game theory with a Hidden Markov Model(HMM) to learn and track debtor emotional states online, without pre-training. This allows EQ-Negotiator to equip SLMs with the strategic intelligence to counter manipulation while de-escalating conflict and upholding ethical standards. Through extensive agent-to-agent simulations across diverse credit negotiation scenarios, including adversarial debtor strategies like cheating, threatening, and playing the victim, we show that a 7B parameter language model with EQ-Negotiator achieves better debt recovery and negotiation efficiency than baseline LLMs more than 10 times its size. This work advances persona modeling from descriptive character profiles to dynamic emotional architectures that operate within privacy constraints. Besides, this paper establishes that strategic emotional intelligence, not raw model scale, is the critical factor for success in automated negotiation, paving the way for effective, ethical, and privacy-preserving AI negotiators that can operate on the edge.
• Abstract（参考訳）: 自動交渉における大規模言語モデル(LLM)の展開は、高いパフォーマンスベンチマークを設定しているが、その計算コストとデータプライバシ要件により、モバイルアシスタントや組み込みAIエージェント、プライベートクライアントインタラクションといった、多くのプライバシに敏感なオンデバイスアプリケーションには適さない。 スモールランゲージモデル(SLM)は実用的な代替手段を提供するが、特に信用交渉において、感情的に充電された複雑なペルソナをプレイするLLMと比較して大きなパフォーマンス差を被る。 本稿では,感情的ペルソナを用いて,この能力ギャップを橋渡しする新しいフレームワークであるEQ-Negotiatorを紹介する。 その中核はゲーム理論をHMM(Hidden Markov Model)と統合して、オンラインの債務者感情状態の学習と追跡を行う推論システムである。 これにより、EQ-NegotiatorはSLMに戦略的な知性を持たせることができ、紛争をエスカレートし倫理基準を掲げる一方で、操作に対抗できる。 EQ-Negotiator を用いた 7B パラメータ言語モデルにより,10 倍以上の大きさの LLM よりも優れた債務回復と交渉効率が得られることを示す。 この研究は、記述的なキャラクタープロファイルから、プライバシー制約の中で機能する動的な感情的アーキテクチャまで、ペルソナモデリングを前進させる。 さらに、本論文は、生のモデルスケールではなく、戦略的感情知性が自動交渉の成功の重要な要因であり、エッジ上で動作可能な効率的、倫理的、プライバシ保護のAIネゴシエータへの道を開くことを実証する。

関連論文リスト

• EvoEmo: Towards Evolved Emotional Policies for Adversarial LLM Agents in Multi-Turn Price Negotiation [61.627248012799704]
  既存のLarge Language Models (LLM)エージェントは、そのような交渉における感情の機能的役割をほとんど見落としている。 本稿では,交渉における動的感情表現を最適化する進化的強化学習フレームワークであるEvoEmoを紹介する。
  論文  参考訳（メタデータ） (2025-09-04T15:23:58Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)

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。

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。