MERIT Feedback Elicits Better Bargaining in LLM Negotiators

Created by

Haebom

저자

Jihwan Oh, Murad Aghazada, Yooju Shin, Se-Young Yun, Taehyeon Kim

💡 개요

본 논문은 대규모 언어 모델(LLM)이 인간과 같은 복잡한 협상 전략을 구사하는 데 어려움을 겪는 문제를 해결하기 위해 제안된 새로운 프레임워크를 소개합니다. 제안된 프레임워크는 'AgoraBench'라는 새로운 벤치마크와 인간의 선호도를 반영한 경제학 기반의 평가 지표를 개발했으며, 이를 통해 LLM의 협상 능력을 향상시키는 학습 파이프라인을 구축했습니다. 연구 결과, 제안된 방식이 LLM의 협상 성능을 크게 향상시켜 더 깊은 전략적 사고와 상대방에 대한 높은 인식을 보여줌을 입증했습니다.

🔑 시사점 및 한계

•

LLM의 협상 능력이 인간 선호도와는 상당한 차이를 보일 수 있으며, 이를 개선하기 위한 체계적인 접근 방식의 필요성을 강조합니다.

•

MERIT 프레임워크는 LLM이 더 복잡하고 인간적인 협상 전략을 학습할 수 있도록 하는 효과적인 방법을 제시합니다.

•

AgoraBench 벤치마크와 제안된 지표는 LLM의 협상 능력을 평가하고 발전시키는 데 중요한 기여를 할 것으로 기대됩니다.

•

본 연구에서 제시된 인간 선호도 기반의 학습 파이프라인이 LLM의 협상 능력 향상에 효과적임을 확인하였으나, 실제 복잡한 다자간 협상이나 더욱 정교한 인간의 심리적 요소를 반영하는 데는 추가적인 연구가 필요할 수 있습니다.

PDF 보기

Made with Slashpage