論文の概要: Automated Mediator for Human Negotiation: Pre-Mediation via a Structured LLM Pipeline

• arxiv url: http://arxiv.org/abs/2606.11379v1
• Date: Tue, 09 Jun 2026 19:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.147714
• Title: Automated Mediator for Human Negotiation: Pre-Mediation via a Structured LLM Pipeline
• Title（参考訳）: 人体ネゴシエーションのための自動メディエータ:構造化LPMパイプラインによる事前メディエータ
• Authors: Jamie Bergen, Sarit Kraus,
• Abstract要約: LLMモジュールの構造化パイプラインとして実装された人間交渉用自動メディエータを提案する。 パイプラインは、対話、嗜好予測、応答レベルの批判、構造化要約のための特別なモジュールに準備を分解する。 本研究では,AIによる前処置とプロのヒトメディエーターを比較検討する2つの制御された人物体実験において,システムの評価を行った。
• 参考スコア（独自算出の注目度）: 17.504831164075387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pre-mediation, the preparatory phase preceding direct human negotiation, plays a critical role in achieving mutually beneficial agreements, yet is often omitted due to cost, time, and limited access to trained mediators. We introduce an automated mediator for human negotiation, implemented as a structured pipeline of LLM modules, that supports pre-mediation in integrative negotiation settings. The pipeline decomposes preparation into specialized modules for dialogue, preference prediction, response-level critique, and structured summarization, separating inference, generation, and evaluation to address limitations of monolithic single-prompt approaches. We use the term "agent" for each module following common LLM-systems terminology, but the components are not autonomous and do not interact peer-to-peer; outputs are passed forward in a fixed sequence. We evaluate the system in two controlled human-subject experiments comparing AI-based pre-mediation with professional human mediators in a multi-issue negotiation scenario. On short-term self-reported measures, the automated mediator achieves preparation outcomes broadly comparable to human mediators, including trust in the mediator and confidence in reaching mutually beneficial agreements, while achieving substantially lower error on the preference-inference task under our scenario and prompts (36% lower RMSE). A second study shows that targeted prompt refinements reduce excessive affirmation patterns from 36.6% to 16.8%, matching human mediator baselines. Our findings suggest that structured LLM pipelines can provide scalable, low-effort pre-mediation support broadly comparable to human mediators on short-term self-reported preparation outcomes. The pipeline's single-party design mirrors how human mediators run pre-mediation today and enables parallel deployment across all parties to a dispute, supporting scalability.
• Abstract（参考訳）: 直接交渉の前の準備段階であるプレメディエーションは、相互に有益な合意を達成する上で重要な役割を果たすが、コスト、時間、訓練された仲介者への限られたアクセスのために、しばしば省略される。 我々は,LLMモジュールの構造化パイプラインとして実装され,統合的ネゴシエーション設定における事前修復をサポートする,人間の交渉のための自動メディエータを提案する。 パイプラインは、対話、嗜好予測、応答レベルの批判、構造化要約のための特別なモジュールに分解し、モノリシックな単一プロンプトアプローチの制限に対処するための推論、生成、評価を分離する。 LLMシステムの共通項に従って各モジュールに「エージェント」という用語を用いるが、コンポーネントは自律的ではなく、ピアツーピアと相互作用しない。 マルチイシューネゴシエーションシナリオにおいて,AIを用いたプレメディエーションと専門家の仲介者とを比較した2つの制御された人物体実験において,システムの評価を行った。 短時間の自己申告措置において、自動メディエータは、仲介者の信頼や相互に有益な合意に達する自信を含む、ヒトのメディエーターに匹敵する準備結果を達成するとともに、シナリオ下での選好タスクの誤差を著しく低くし、RMSEを36%低くする。 第2の研究では、ターゲットのプロンプト改善により、過剰な肯定パターンが36.6%から16.8%に減少し、ヒトのメディエーターベースラインが一致することが示されている。 以上の結果から,構造化LPMパイプラインは,短時間の自己申告準備において,ヒトメディエーターに匹敵する,スケーラブルで低効率なプレメディエーション支援を実現することができることが示唆された。 パイプラインの単一パーティ設計は、現在、人間の仲介者がどのようにプレメディエーションを実行するかを反映し、すべてのパーティを並列デプロイして、スケーラビリティをサポートします。

関連論文リスト

• Measuring Semantic Progress in Multi-turn Dialogue via Information Gain [7.146946575593476]
  我々は,情報探索対話における重要な側面であるセマンティック・プログレスに焦点を当てた。 埋め込み空間に近似する情報理論計量を導入する。 実験の結果,提案指標は人間の判断と競合する一致を示した。
  論文  参考訳（メタデータ） (2026-06-10T17:04:59Z)
• From Moderation to Mediation: Can LLMs Serve as Mediators in Online Flame Wars? [7.926773786209838]
  大規模言語モデル(LLM)は、優れたアプリケーションのためのAIの新しい可能性を開いた。 この研究は、LLMが有害なコンテンツを検出するモデレーターとして機能するかどうかを探求するが、オンラインの紛争を理解してエスカレートする仲介者として機能する。 LLMは会話の公平さと感情のダイナミクスを評価し、ステアリングでは共感的で非エスカレートなメッセージを生成する。
  論文  参考訳（メタデータ） (2025-12-02T18:31:18Z)
• ProMediate: A Socio-cognitive framework for evaluating proactive agents in multi-party negotiation [15.003377735831895]
  ProMediateは、複雑なマルチトピック、複数パーティの交渉において、プロアクティブなAIメディエータエージェントを評価するためのフレームワークである。 以上の結果から,社会的に知能なメディエータエージェントは,より速く,よりターゲットのよい介入によって,汎用的なベースラインよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2025-10-29T07:00:11Z)
• Conformal Information Pursuit for Interactively Guiding Large Language Models [68.16703423481935]
  本稿では,クエリ数の最小化を目的としたシーケンシャルクエリ戦略について検討する。 そのような戦略の1つは情報探索(IP)であり、各反復で情報ゲインを最大化または同等に不確実性を最小化するクエリを選択する。 本稿では,コンフォーマル情報探索法(C-IP)を提案する。
  論文  参考訳（メタデータ） (2025-07-04T03:55:39Z)
• SDPO: Segment-Level Direct Preference Optimization for Social Agents [56.970902914217156]
  大規模言語モデル(LLM)を利用した社会エージェントは、人間の社会的振る舞いをシミュレートできるが、複雑な社会対話を扱うには不十分である。 マルチターンエージェントの動作を最適化するために,対話内のキーセグメントを動的に選択するセグメントレベル直接参照最適化(SDPO)を提案する。
  論文  参考訳（メタデータ） (2025-01-03T14:09:46Z)
• Centralized Training with Hybrid Execution in Multi-Agent Reinforcement Learning [7.163485179361718]
  マルチエージェント強化学習(MARL)におけるハイブリッド実行の導入 MARLは、エージェントが任意の通信レベルを持つ協調タスクを実行時に完了させることを目標とする新しいパラダイムである。 我々は,自動回帰予測モデルを用いたMAROを集中的に訓練し,行方不明者の観察を推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-12T14:58:32Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。