Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Strategic Tradeoffs Between Humans and AI in Multi-Agent Bargaining

Created by
  • Haebom

作者

Crystal Qian, Kehang Zhu, John Horton, Benjamin S. Manning, Vivian Tsai, James Wexler, Nithum Thain

概要

本研究では、ビジネスネゴシエーションやグループコラボレーションなどの多様な人間活動にLLMを活用するにつれて、LLMのパフォーマンス向上とダイナミックなマルチエージェント環境での相互作用を評価することが重要であると強調している。 LLMは、明確に定義された環境で優れたパフォーマンスを示す従来の統計エージェントとは異なり、さまざまな実際のシナリオで一般化できます。この研究は、ヒト（N = 216）、LLM（GPT-4o、Gemini 1.5 Pro）、ベイズエージェント間の動的ネゴシエーション環境での結果と行動力学を比較分析します。ベイジアンエージェントは積極的な最適化を通じて高い余剰価値を生み出すが、頻繁な取引拒否という欠点がある。人間とLLMは同様の全体的な余剰価値を達成しますが、LLMは保守的で譲歩的な取引を好み、人間はより戦略的でリスクを軽減し、公平性を追求する行動を示しています。したがって、パフォーマンスの同等性は、プロセスとアラインメントの基本的な違いを隠すことができ、これは実際のコラボレーションタスクにLLMを適用するために重要です。この研究は、一致した条件下で基本的な行動ベースラインを確立し、将来の研究の基礎を築きます。

Takeaways、Limitations

•
Takeaways：
◦
LLMは人間と同様の全体的な余剰価値を達成することができる。
◦
パフォーマンス同等性は、LLMの行動特性の違いを見落とす可能性があります。
◦
LLMは保守的で譲歩的な取引を好む傾向があります。
◦
この研究はLLMの行動研究のためのベースラインを提供します。
•
Limitations:
◦
本研究は特定の交渉環境に限定される。
◦
実際の環境でのボラティリティをすべて反映していない。
◦
限られた数のLLMとヒトグループを対象としています。
👍
Made with Slashpage