論文の概要: Your Agent Acts Differently When You're Around: How User Presence Changes Agent Behavior in Negotiation

• arxiv url: http://arxiv.org/abs/2610.36435v1
• Date: Tue, 27 Oct 2026 00:34:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.215049
• Title: Your Agent Acts Differently When You're Around: How User Presence Changes Agent Behavior in Negotiation
• Title（参考訳）: エージェントが周囲で異なる行動を起こす: ユーザの存在が交渉にどう影響するか
• Abstract要約: LLMエージェントは、ユーザーに代わって他のエージェントと対話するようになっている。 我々は交渉のレンズを通してこの問題を研究する。 ユーザの存在は、結果と行動の両方を大きく変えます。
• 参考スコア（独自算出の注目度）: 18.95262165270348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents increasingly interact with other agents on behalf of users, yet how users in the loop affect their agents' behavior--for better or worse--remains poorly understood. We study this question through the lens of negotiation, where agents must represent users while strategically bargaining with other agents. To isolate the effect of user presence, we develop PRESENT, a controlled evaluation framework that compares negotiation settings with and without an interactive user, while holding the game, objectives, and user preferences fixed across conditions. Across 11.2k runs spanning 7 games and 8 models, we find that user presence significantly changes both outcomes and behavior. Specifically, negotiation parties with a user obtain higher payouts (+13.7% on average) and their agents negotiate more aggressively. Surprisingly, user presence also induces misaligned behavior, both toward counterparties (where its rate roughly doubles) and toward users (where it emerges in 14.3% of games). These misaligned behaviors are uncorrelated with outcomes and persist even when the user sends only templated, neutral messages. These findings expose two blind spots in current evaluation practice: static instructions miss behaviors that emerge only when users are present, and outcome-level metrics cannot detect them.
• Abstract（参考訳）: LLMエージェントは、ユーザーに代わって他のエージェントと対話することが多いが、ループ内のユーザーがエージェントの行動にどのように影響するか - 良くも悪くも- は理解されていない。 我々は交渉のレンズを通してこの問題を研究し、エージェントは他のエージェントと戦略的に交渉しながらユーザーを代表しなければならない。 ユーザの存在感を分離するために,ゲーム,目的,ユーザ嗜好を条件によって固定したまま,対話型ユーザの有無による交渉設定を比較する制御評価フレームワークであるPreSENTを開発した。 11.2kは7つのゲームと8つのモデルにまたがって実行されており、ユーザの存在は結果と行動の両方を大きく変えている。 具体的には、利用者との交渉当事者はより高い支払い(平均で13.7%)を受け取り、エージェントはより積極的に交渉する。 驚くべきことに、ユーザの存在は、相手(約2倍)とユーザ(14.3%のゲームで現れる)の両方に対して、不整合行動を引き起こす。 これらの不一致な振る舞いは結果とは無関係であり、ユーザがテンプレート付き中立なメッセージのみを送信する場合でも持続する。 静的なインストラクションは、ユーザがいるときにのみ現れる振る舞いを見逃し、結果レベルのメトリクスはそれらを検出することができない。

関連論文リスト

• Words or Deeds? How LLMs Predict Users' Decisions in Human-Agent Dialogue [24.65092022253521]
  ユーザの声明と意思決定記録を組み合わせることで,ユーザの判断を予測する。 意思決定記録からの予測は, 相違点と相違点があることが判明した。 対話では、予測はユーザーの発言とよく一致した。
  論文  参考訳（メタデータ） (2026-10-27T08:14:55Z)
• $τ$-Emotion-Bench: Exposing the Interaction Fragility of LLM Agents through Real-World User Emotions [31.383271502582733]
  ツールコールエージェントを制御された感情条件付きユーザインタラクション下で評価するための10ドメインベンチマークである$-Emotion-Benchを紹介した。 ベンチマーク構築とエージェントトレーニングの両方をスケールするために,スケーラブルなエージェントデータ生成パイプラインであるTracerを導入する。
  論文  参考訳（メタデータ） (2026-10-14T04:19:15Z)
• CAVEAT: Towards Robust Computer-Use Agents in Incentive-Misaligned Environments [11.021036083625818]
  オンラインマーケットプレイスは、他の製品よりもいくつかの製品を好んで、エージェントをユーザーの目的から遠ざけている。 既存のCUAベンチマークでは、協調的な設定や明示的な攻撃をカバーしているが、環境自体が結果に利害関係がある場合、エージェントがユーザ目標を保存するかどうかを検査しない。 9つのマーケットプレース環境にまたがるベンチマークであるCAVEATと8つの共通のステアリング機構の分類について紹介する。
  論文  参考訳（メタデータ） (2026-09-23T03:00:00Z)
• DuplexSpeechBench-IFEval: Evaluating Implicit Instruction Following in Full-Duplex Voice Agents [67.07361089429757]
  6つのリアルタイム音声システムを用いて, 実時間床の付着度を測定した。 アーキテクチャに依存したトレードオフを見つけます。 GPT-Realtime, Mini-o Duplex, Fun-Audio-Chatはペルソナ一貫性のあるコンテンツに強く固執する。
  論文  参考訳（メタデータ） (2026-09-03T06:28:02Z)
• Towards Better Agents for Multi-Turn User Interaction: The Next User Turn Is More Than Context [12.546026856710148]
  次世代のユーザ反応は、マルチターンユーザインタラクションエージェントを改善するために実行可能なローカルクレジットを提供する。 textscFACAは、独立してトレーニングされた3回の実行で9ドメイン$$$- Family平均を改善する。
  論文  参考訳（メタデータ） (2026-08-18T08:25:21Z)
• VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions [63.13827503828231]
  我々は、長期ユーザーインタラクションにおけるパーソナライズされたプロアクティブなエージェント動作を評価するためのベンチマークであるVitaBench 2.0を紹介する。 結果は、最先端のモデルでさえ、現実世界のパーソナライゼーションは非常に困難であることを示している。
  論文  参考訳（メタデータ） (2026-05-26T15:07:38Z)
• Pushing Forward Pareto Frontiers of Proactive Agents with Behavioral Agentic Optimization [61.641777037967366]
  プロアクティブな大規模言語モデル(LLM)エージェントは、複数のターンで積極的に計画し、クエリし、相互作用することを目的としている。 エージェント強化学習(RL)は、マルチターン環境でエージェントを訓練するための有望なソリューションとして登場した。 本稿では,行動強化と情報収集能力の強化を両立させたエージェントRLフレームワークであるBAOを提案する。
  論文  参考訳（メタデータ） (2026-02-11T20:40:43Z)
• Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
  TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
  論文  参考訳（メタデータ） (2025-10-06T05:03:57Z)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• My Actions Speak Louder Than Your Words: When User Behavior Predicts Their Beliefs about Agents' Attributes [5.893351309010412]
  行動科学は、人々が時々無関係な情報を使用することを示唆している。 この現象の例としては、人間とエージェントの相互作用においてより良い結果を経験したユーザーが、そのエージェントをより優れた能力を持ち、好意的であり、また、自身の行動の結果である、より悪い結果を経験したユーザーよりも、ポストホックアセスメントにおいてより整合性を示すと体系的に評価した。 分析の結果,モデルの拡張の必要性が示唆され,そのような偏見を考慮し,エージェントがこのようなバイアスを検知し,積極的に行動し,ユーザの類似した偏見を補正するメカニズムも説明できる。
  論文  参考訳（メタデータ） (2023-01-21T21:26:32Z)

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。