LLM은 얼마나 잘 협상할 수 있을까? NegotiationArena 플랫폼과 분석

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.