- 个性化多议题协商游戏中的语言模型
利用大型语言模型（LLMs），AI 代理已经能够完成许多人类任务。使用最经典的大五人格定义，我们衡量 LLMs 在博弈论框架内进行协商的能力，以及衡量公平与风险概念的方法论挑战。模拟结果（n=1,500）显示基于不对称议题价值的领域复杂性增 - 设计人机一致性：了解人类对其代理人的需求
我们进行了一项关于设计能够在虚构但具有实际意义的在线相机销售任务中进行谈判的代理的质性经验研究，发现为了代理成功完成任务，人类 / 用户和代理需要在知识架构、自主性和代理性、操作性、培训、声誉启发式和伦理、人类参与等六个维度上达成一致。这些 - LLM 在谈判对话中的多维能力的系统评估
通过分析 LLMs 在各种对话场景中的多面能力，该研究旨在了解 LLMs 如何推进不同方面的谈判研究，包括设计对话系统、提供教学反馈和扩大数据收集实践。结果表明，虽然 GPT-4 在各种任务上表现出优越性，但在主观评估谈判对话和生成上下文恰 - LLM 的谈判能力如何？谈判竞技场平台与分析
使用大语言模型进行谈判以及利用行为策略和非理性谈判行为来提高谈判效果的研究。
- ACL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 - 谈判对话系统综述
综述谈判对话系统中的最新成果，分析其评估与方法学现状，并讨论多模态、多方和跨文化谈判场景等未来研究方向，以期为研究者提供系统性的概述和启发。
- ACL社交影响对话系统：社交影响任务的数据集和模型综述
本文正式定义和介绍了社会影响对话系统的类别，该类别通过自然对话影响用户的认知和情感反应，从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查，汇编了七个不同领域的进步情况，并讨论了所研究系统的共性和差异，指出了局限性并提 - 云市场谈判的信念 - 欲望 - 意图（BDI）多智能体系统
本文提出了一个 Belief-Desire-Intention（BDI）多代理云市场系统的全面框架，以实现云资源的自动化买卖和协商。
- 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。
- IJCAIPilot: IJCAI 2020 人机协商挑战赛的优胜者
本文介绍了我们的代理程序 Pilot，它赢得了 ANAC，IJCAI 2020 的人 - 代理商谈挑战赛。Pilot 是一个虚拟人类，参与了与人类合作的三轮谈判。我们的系统基于互动仲裁指南在线（IAGO）谈判框架。我们利用之前在谈判中的情感 - 有效谈判的动态策略教练
利用 “机器 - 循环” 方法，帮助人们在文本对话中进行更好的谈判，从而获得更好的利润。通过学习人与人之间的谈判对话，在特定情境下预测最佳策略和战术，推荐给卖家实时应对，从而达到更好的成交效果。
- 用明确的语义和战略对话历史增强非协作对话系统
通过有限状态转换器建模语义和策略历史记录，以改善非合作对话的效率和结构。
- IJCAI利己还是利他？使用强化学习的不同行为特征代理在合同谈判中的行为
使用多智能体强化学习训练的深度学习代理协商合同协议，建立自私和互惠行为的多样性模型，提供经验证据证明，代理人行为一致，最终训练一个元代理，通过学习混合的行为模型，以确保代理人的实用性，并通过实验验证，发现代理人在谈判中出类拔萃并能够合理模拟 - EMNLP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。
- 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。