यह शोधपत्र बड़े पैमाने के भाषा मॉडल (एलएलएम) पर केंद्रित है, जिनका उपयोग सुदृढीकरण अधिगम (आरएल) में मानवीय प्राथमिकताओं पर आधारित पुरस्कार कार्यों को डिज़ाइन करने के लिए तेज़ी से किया जा रहा है। विशेष रूप से, हम रेस्टलेस मल्टी-आर्म्ड बैंडिट्स के लिए एलएलएम-डिज़ाइन किए गए पुरस्कारों पर ध्यान केंद्रित करते हैं, जो सीमित संसाधनों को कई एजेंटों को आवंटित करने का एक ढाँचा है। जन स्वास्थ्य जैसे अनुप्रयोगों में, यह दृष्टिकोण जमीनी स्तर के स्वास्थ्य कार्यकर्ताओं को अपने समुदायों की आवश्यकताओं के अनुसार स्वचालित आवंटन निर्णय लेने में सक्षम बनाता है। कई एजेंटों की उपस्थिति में, मानवीय प्राथमिकताओं के आधार पर पुरस्कार कार्यों में परिवर्तन उपसमूहों को बहुत अलग तरह से प्रभावित कर सकता है, जिससे जटिल ट्रेड-ऑफ़ और बहु-उद्देश्यीय संसाधन आवंटन समस्याएँ उत्पन्न हो सकती हैं। यह शोधपत्र पहली बार सामाजिक चयन भाषा मॉडल प्रस्तुत करता है, जो सामान्य रूप से बहु-एजेंट योजनाकारों और विशेष रूप से रेस्टलेस बैंडिट्स के लिए एलएलएम-डिज़ाइन किए गए पुरस्कारों में इन ट्रेड-ऑफ़ को संभालने की एक सैद्धांतिक विधि है। इस मॉडल का एक नया घटक निर्णायक है, जो एलएलएम से बाहर एक पारदर्शी और विन्यास योग्य विकल्प घटक है जो उपयोगकर्ता द्वारा चुने गए सामाजिक कल्याण फलन के माध्यम से जटिल ट्रेड-ऑफ़ को नियंत्रित करता है। प्रायोगिक परिणाम दर्शाते हैं कि यह मॉडल पूर्णतः LLM-आधारित दृष्टिकोणों की तुलना में संतुलित पुरस्कार कार्यों के चयन में अधिक प्रभावी, सुसंगत और मजबूत है।
