Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Leveraging Large Language Models for Collective Decision-Making

Created by
  • Haebom
Category
Empty

저자

Marios Papachristou, Longqi Yang, Chin-Chia Hsu

개요

본 논문은 대규모 언어 모델(LLM)을 활용하여 집단 의사결정을 지원하는 시스템을 제안합니다. 다양한 개인 선호도, 업무 집중도, 구성원 간의 권력 역학으로 인해 어려움을 겪는 회의 일정 조정, 협업, 프로젝트 계획 등의 집단 의사결정 과정에서 LLM을 활용하여 대화를 관리하고 개인의 선호도를 조정하는 시스템입니다. 시스템은 각 구성원과의 대화를 통해 개인의 선호도를 추출하고, 구성원의 선호도를 만족시키는 옵션을 제안합니다. 기업 회의 일정 조정에 시스템을 적용하여 합성 직원 프로필을 생성하고 대규모 시뮬레이션을 통해 시스템 성능을 평가하며, 사용자 연구를 위한 새로운 접근 방식을 제시합니다. 결과적으로 구성원과 LLM 기반 시스템 간의 상호 작용을 줄이고 효율적인 조정을 보여주며, 시간이 지남에 따라 제안된 옵션을 개선하여 많은 구성원의 개별 선호도를 공정하게 만족시킵니다. 또한, 인간 참가자를 대상으로 설문 조사 연구를 실시하여 선호도 집계 및 추론 능력을 평가하여 시스템의 강력한 성능을 보여줍니다.

시사점, 한계점

시사점:
LLM을 활용한 집단 의사결정 지원 시스템의 효율성과 공정성을 실증적으로 보여줌.
합성 데이터를 활용한 대규모 시뮬레이션을 통한 시스템 평가 방법 제시.
사용자 참여 설문 조사를 통한 시스템 성능 검증.
LLM 기반 시스템을 통한 구성원 간 상호작용 감소 및 효율적인 조정 가능성 제시.
한계점:
합성 데이터 기반 시뮬레이션 결과의 일반화 가능성에 대한 검토 필요.
실제 사용자 환경에서의 시스템 성능 및 적용 가능성에 대한 추가 연구 필요.
다양한 의사결정 상황 및 구성원 특성에 대한 시스템 적용성 검토 필요.
LLM의 편향성 및 윤리적 문제 고려 필요.
👍