論文の概要: Personality Engineering with AI Agents: A New Methodology for Negotiation Research
- arxiv url: http://arxiv.org/abs/2605.20554v1
- Date: Tue, 19 May 2026 23:11:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.409362
- Title: Personality Engineering with AI Agents: A New Methodology for Negotiation Research
- Title（参考訳）: AIエージェントによるパーソナリティエンジニアリング : ネゴシエーション研究の新しい方法論
- Authors: Michelle A. Vaccaro, Jared R. Curhan,
- Abstract要約: 我々は、AIエージェントを使用して交渉担当者の性格を正確に分類し、操作し、評価する手法であるパーソナリティエンジニアリングを紹介する。
本研究は, 対人空間と, 温かさと優位性の2つの中核次元を, フィールドの基本的な座標系として用いることを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: According to canonical negotiation theory, people's success in a negotiation depends on how well they balance competing demands--empathizing and asserting, demonstrating concern for other and concern for self, being soft on the people and hard on the problem. Yet people struggle to manage these tensions, so researchers have lacked the ability to rigorously test the field's prescriptions under controlled conditions. AI agents do not face the same limitations, and their precision, repertoire, consistency, and scalability enable a new class of experiments to contribute to negotiation theory. In this article, we introduce personality engineering: a methodology that uses AI agents to precisely parameterize, manipulate, and evaluate negotiator personality. We propose using the interpersonal circumplex--and its two core dimensions of warmth and dominance--as a foundational coordinate system for the field. This approach offers both a rigorous methodology for testing classic negotiation theories and a practical guide for designing the personalities of AI negotiation agents.
- Abstract（参考訳）: 正統的な交渉理論によれば、交渉の成功は、競合する要求のバランスがいかにうまくいったか、共感し、主張し、自己への懸念を示し、問題にソフトにしている。しかし、これらの緊張を管理するのに苦労しているため、研究者は、規制された条件下でフィールドの処方薬を厳格にテストする能力に欠けている。AIエージェントは、同じ制限に直面しておらず、その正確さ、レパートリー、一貫性、スケーラビリティは、交渉理論に寄与する新しい実験のクラスを可能にしている。この記事では、AIエージェントを使用して、ネゴシエーターの性格を正確に分析し、操作し、評価するパーソナリティエンジニアリングを紹介します。
このアプローチは、古典的なネゴシエーション理論をテストするための厳格な方法論と、AIネゴシエーションエージェントの個性を設計するための実践的なガイドの両方を提供する。
関連論文リスト
- From Overload to Convergence: Supporting Multi-Issue Human-AI Negotiation with Bayesian Visualization [4.511923587827302]
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。
論文 参考訳（メタデータ） (2026-03-24T03:49:21Z) - EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation [66.09161596959771]
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。
論文 参考訳（メタデータ） (2025-11-05T11:25:07Z) - Does AI Coaching Prepare us for Workplace Negotiations? [15.57105036031543]
私たちは、AIコーチのプロトタイプであるTruceyと、従来の交渉ハンドブックを比較します。
手帳の包括的でレビュー可能な内容は参加者の自信と準備に不可欠であった。
参加者はAIのリハーサル能力を評価したが、その指導はしばしば冗長で断片的であると感じた。
論文 参考訳（メタデータ） (2025-09-26T16:21:24Z) - 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) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - NegotiationToM: A Benchmark for Stress-testing Machine Theory of Mind on Negotiation Surrounding [55.38254464415964]
現在、マインド評価の理論は、機械生成データやゲーム設定を用いたテストモデルに焦点を合わせており、ショートカットや素早い相関が生じる傾向にある。
我々は,多次元精神状態を取り巻く実世界の交渉において,ストレステストマシンToMのための新しいベンチマークであるNegotiationToMを紹介する。
論文 参考訳（メタデータ） (2024-04-21T11:51:13Z) - 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)
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。