Key points are not available for this paper at this time.
협상은 사회적 상호작용의 기초입니다; 인간은 자동차 가격부터 공통 자원 공유 방법까지 모든 것을 협상합니다. 인간 사용자를 대신해 에이전트로 활동하는 대규모 언어 모델(LLM)을 활용하는 데 관심이 급증함에 따라, 이러한 LLM 에이전트들도 협상 능력을 갖춰야 합니다. 본 논문에서는 LLM이 서로 얼마나 잘 협상할 수 있는지 연구합니다. 우리는 LLM 에이전트의 협상 능력을 평가하고 탐구할 수 있는 유연한 프레임워크인 NegotiationArena를 개발했습니다. NegotiationArena에는 공유 자원 할당(최후통첩 게임), 자원 집합(거래 게임) 및 상품 매매(가격 협상)에서 LLM의 행동을 평가하기 위한 세 가지 시나리오가 구현되어 있습니다. 각 시나리오는 LLM 에이전트 간 복잡한 협상을 가능하게 하는 다중 턴의 유연한 대화를 허용합니다. 흥미롭게도, LLM 에이전트는 특정 행동 전략을 사용하여 협상 결과를 크게 향상시킬 수 있습니다. 예를 들어, 절망적이고 필사적인 척함으로써, LLM은 표준 GPT-4와 협상 시 보상을 20%까지 향상시킬 수 있습니다. 또한, LLM 에이전트가 보여주는 비합리적 협상 행동을 정량화했으며, 이러한 행동들 중 다수는 인간에서도 나타납니다. 본 연구는 LLM 상호작용을 조사할 수 있는 새로운 환경을 제공하며, LLM의 마음 이론, 비합리성 및 추론 능력에 대한 새로운 통찰을 가능하게 합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Federico Bianchi
Patrick John Chia
Mert Yüksekgönül
Building similarity graph...
Analyzing shared references across papers
Loading...
Bianchi 등(목,)이 이 질문을 연구했습니다.
www.synapsesocial.com/papers/68e7b7e2b6db64358770e8b5 — DOI: https://doi.org/10.48550/arxiv.2402.05863
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: