Nov, 2023

线上多人游戏中的社交交流建模

PDF
TL;DR在线游戏中玩家互动和谈判策略对游戏结果的预测有重要作用，通过语言建模可以相对准确地预测谈判策略，但需要更多因素来预测短期结果，对于长期结果，如基于先前谈判历史的玩家成功的预测中，它们在考虑图感知的强化学习方法中起着关键作用。
online gamesplayer interactionsnegotiation strategieslong-term outcomeslinguistic modeling
发现论文，激发创造
  • 通过人格建模提升对话系统的谈判能力

    本文探讨了用机器的 “心智理论” 来针对不同人格类型的对手去自适应调整对话体系的高层策略，我们通过 CraigslistBargain 数据集的测试表明，利用心智推理方法相比于基线方法在混合对手的情况下显示出更高的对话一致性；同时我们也发现，我们的模型表现出了与不同类型对手完全不同的谈判行为。

    Oct, 2020

  • 评估语言模型代理的方法与谈判

    通过协商游戏来共同评估语言模型的性能和对齐情况，发现开源模型目前无法完成这些任务，合作协商游戏具有挑战性，最强大的模型并非总是 “赢家”。

    Jan, 2024

  • 成交还是放弃？端到端学习的谈判对话

    本文基于一项采用自然语言对话的多议题协商任务的人际交互数据集，通过对对话状态未标记的文本数据的学习，对话模型能够具备自然语言对话和推理技能，通过模拟对话过程能够取得更好的表现，本文的数据集和代码公开。

    Jun, 2017

  • 大型语言模型中用于阿瓦隆游戏中的角色识别的长时对话理解

    利用社交推理游戏 Avalon: The Resistance 中的欺骗行为和多方对话测试大型语言模型（LLMs）的能力和性能。

    Nov, 2023

  • 谈判语言学

    本文介绍了使用语言塑造双边谈判的新颖数据集及其内部的的语言功能元素，以及利用行为实验室中的参与者在音频中进行协商得出的结果，研究了不同通讯方式下的谈判结果，发现在能够说话的情况下，交换数量较少，谈判结束更快，达成协议的可能性更大，同意价格的方差显著降低，而在预测成功谈判方面，被动反应他方论点较主动牵引更优势。

    Jun, 2023

  • 无新闻外交：多代理人游戏建模

    该研究使用专家轨迹训练了一个基于神经网络的无语版外交政策模型，然后使用强化学习代理在自我对弈过程中进行了训练，两种代理表现均超过了基于规则的机器人。

    Sep, 2019

  • LLM-Deliberation：用互动多智能体协商游戏评估 LLMs

    使用可评分的协商游戏作为新的评估框架，系统化的零样本链式思考提示能够展示大型语言模型在协商中的能力和绩效差距。

    Sep, 2023

  • 基于 LLM 的代理模型解析政治联盟谈判

    煤炭联盟谈判是议会民主制的基石，主要包括政党之间的复杂互动和战略沟通。本文将煤炭联盟谈判作为一种新颖的自然语言处理（NLP）任务，并模拟其为基于大型语言模型的代理之间的协商。我们引入了一个多语种数据集 POLCA，包括欧洲政党的宣言和这些国家多次选举中的联盟协议。该数据集通过提供多样化的现实基础来解决当前政治谈判建模范围的挑战。此外，我们提出了一个层次化的马尔可夫决策过程，旨在模拟政党之间的联盟谈判过程并预测结果。我们评估了最先进的大型语言模型（LLMs）在处理联盟谈判中的性能，并为政治建模的未来发展提供了见解。

    Feb, 2024

  • 谈判对话中的策略解耦与生成

    本文提出一种基于自然语言的交易协商机制，使用层次对话行为和监督学习、强化学习或领域特定知识对策略进行灵活设置，并利用检索式生成来维持上下文感知性和产生多样化话语。结果表明我们的系统比之前的方法具有更高的任务成功率和更类人的谈判行为。

    Aug, 2018

  • 面向情感感知的谈判对话代理

    探索预测谈判中两个重要的主观目标 - 结果满意度和合作方感知的情感属性，分析情感属性在预测中的作用，并研究了三个情感维度：表情符号、词汇和语境，以设计适应性的谈判代理人。

    Jul, 2021