論文の概要: From Overload to Convergence: Supporting Multi-Issue Human-AI Negotiation with Bayesian Visualization

• arxiv url: http://arxiv.org/abs/2603.22766v1
• Date: Tue, 24 Mar 2026 03:49:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.289333
• Title: From Overload to Convergence: Supporting Multi-Issue Human-AI Negotiation with Bayesian Visualization
• Title（参考訳）: 過負荷から収束へ:ベイズ可視化によるマルチIsue Human-AIネゴシエーション支援
• Authors: Mehul Parmar, Chaklam Silpasuwanchai,
• Abstract要約: 我々は現実的な不動産レンタルシナリオにおける人間とAIの交渉ケーススタディを設計する。 経験的所見では、パフォーマンスは3つの問題まで安定しているが、追加の問題が認知負荷を増加させるにつれて低下する。 本稿では,ベイズ推定による新たな不確実性に基づく可視化手法を提案する。
• 参考スコア（独自算出の注目度）: 4.511923587827302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As AI systems increasingly mediate negotiations, understanding how the number of negotiated issues impacts human performance is crucial for maintaining human agency. We designed a human-AI negotiation case study in a realistic property rental scenario, varying the number of negotiated issues; empirical findings show that without support, performance stays stable up to three issues but declines as additional issues increase cognitive load. To address this, we introduce a novel uncertainty-based visualization driven by Bayesian estimation of agreement probability. It shows how the space of mutually acceptable agreements narrows as negotiation progresses, helping users identify promising options. In a within-subjects experiment (N=32), it improved human outcomes and efficiency, preserved human control, and avoided redistributing value. Our findings surface practical limits on the complexity people can manage in human-AI negotiation, advance theory on human performance in complex negotiations, and offer validated design guidance for interactive systems.
• Abstract（参考訳）: AIシステムが交渉を仲介するにつれて、交渉された問題の数が人間のパフォーマンスにどのように影響するかを理解することは、人事の維持に不可欠である。 我々は,現実的な不動産賃貸シナリオにおける人間とAIの交渉ケーススタディを設計し,交渉された問題の数を変化させた。 これを解決するために,ベイジアンによる合意確率推定による新しい不確実性に基づく可視化手法を提案する。 これは、交渉が進むにつれて、相互に受け入れられる合意の空間が狭まり、ユーザーが有望な選択肢を特定するのに役立つことを示している。 対象内実験(N=32)では、人間の成果と効率を改善し、人間のコントロールを保存し、再分配する価値を避けた。 本研究は,人間-AI交渉における複雑度,複雑な交渉における人的パフォーマンスの先進理論,対話型システムにおける設計指針の検証を行うための実用的限界を明らかにするものである。

関連論文リスト

• Advancing AI Negotiations: New Theory and Evidence from a Large-Scale Autonomous Negotiations Competition [0.0]
  我々は国際AIネゴシエーションコンペティションを実施し、参加者はAI交渉エージェントのためのプロンプトを設計・洗練した。 次に、さまざまな特徴と目的を持つ複数のシナリオにわたる、これらのエージェント間の180,000以上の交渉を支援しました。 驚くべきことに、温暖化 — 伝統的に人間関係を構築する特性 — は、すべての主要なパフォーマンス指標において、常に優れた結果に結びついています。 一方、支配的な代理人は特に価値を主張するのに効果的だった。
  論文  参考訳（メタデータ） (2025-03-09T03:25:48Z)
• LLMs with Personalities in Multi-issue Negotiation Games [2.186901738997927]
  ゲーム理論の枠組みの中で,大規模言語モデル(LLM)の交渉能力を測定する。 高い開放性、良心、神経症は公正な傾向と関連している。 低一致性と低開放性は合理的な傾向と関連している。
  論文  参考訳（メタデータ） (2024-05-08T17:51:53Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• 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)
• Solving NLP Problems through Human-System Collaboration: A Discussion-based Approach [98.13835740351932]
  本研究の目的は,対話を通じて予測を議論・洗練するシステムのための,データセットと計算フレームワークを構築することである。 提案システムでは,自然言語推論タスクにおいて,最大25ポイントの精度向上が期待できることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:24:50Z)
• 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)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。