Language Agents as Digital Representatives in Collective Decision-Making

要約

個人のグループが、代替の宇宙の中から好ましい結果をインタラクティブに選択する集団的意思決定のプロセスを考えてください。
この文脈では、「表現」とは、プロキシエージェント、つまり「代表」による参加を介してプロセスに存在する個人の好みを作る活動です。
この目的のために、学んだ人間の行動のモデルは、この役割を果たす可能性があり、マルチエージェントシナリオ研究とメカニズムの設計に実際的な意味を持ちます。
この作業では、人間のエージェントの代表者の能力を習得するために\ textit {言語エージェント}をトレーニングする可能性を調査し、彼らが立つ人の好みを適切に表現します。
まず、\ textIT {Collective Decision-Making}の設定を正式に形式化します。
これに基づいて、\ textIT {デジタル表現}の問題を正式化します。エージェントの動作のシミュレーションとして、メカニズムから同等の結果を生み出します。
最後に、多様な人間の間で\ textit {Consensus-finding}の設定で実証的なケーススタディを実施し、デジタル代表者として行動するための大規模な言語モデルの微調整の実現可能性を実証します。

要約(オリジナル)

Consider the process of collective decision-making, in which a group of individuals interactively select a preferred outcome from among a universe of alternatives. In this context, ‘representation’ is the activity of making an individual’s preferences present in the process via participation by a proxy agent — i.e. their ‘representative’. To this end, learned models of human behavior have the potential to fill this role, with practical implications for multi-agent scenario studies and mechanism design. In this work, we investigate the possibility of training \textit{language agents} to behave in the capacity of representatives of human agents, appropriately expressing the preferences of those individuals whom they stand for. First, we formalize the setting of \textit{collective decision-making} — as the episodic process of interaction between a group of agents and a decision mechanism. On this basis, we then formalize the problem of \textit{digital representation} — as the simulation of an agent’s behavior to yield equivalent outcomes from the mechanism. Finally, we conduct an empirical case study in the setting of \textit{consensus-finding} among diverse humans, and demonstrate the feasibility of fine-tuning large language models to act as digital representatives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google