要約
マルチユーザー設定における大規模な言語モデル（LLMS）およびLLM駆動エージェントの広範な採用は、多様な好みに対応し、矛盾する指示を解決するための信頼できる使用可能な方法の必要性を強調しています。
紛争解決理論を利用して、リフレクション、分析、フィードバックの3つの段階で構成されるマルチユーザーパーソナライズのユーザー中心のワークフローを紹介します。
次に、MAP-a \ textBf {m} ulti- \ textBf {a} multi-user \ textbf {p} ersonalization用 – このワークフローを操作するためのGent Systemを提示します。
サブタスクを専門のエージェントに委任することにより、（1）関連するユーザー情報を取得および反映し、エージェントからエージェントへの相互作用を通じて信頼性を高め、（2）透明性と使いやすさの改善の詳細な分析を提供し、（3）ユーザーフィードバックを繰り返し洗練する結果を統合します。
ユーザー調査の調査結果（n = 12）は、解像度の検証と障害管理におけるユーザーの関与の重要性を強調しながら、競合解決に対するマップの有効性と使いやすさを強調しています。
この作業は、マルチエージェントシステムがユーザー中心のマルチユーザーパーソナライズワークフローを実装する可能性を強調し、マルチユーザーコンテキストでのパーソナライズのための洞察を提供することで締めくくります。
要約(オリジナル)
The widespread adoption of Large Language Models (LLMs) and LLM-powered agents in multi-user settings underscores the need for reliable, usable methods to accommodate diverse preferences and resolve conflicting directives. Drawing on conflict resolution theory, we introduce a user-centered workflow for multi-user personalization comprising three stages: Reflection, Analysis, and Feedback. We then present MAP — a \textbf{M}ulti-\textbf{A}gent system for multi-user \textbf{P}ersonalization — to operationalize this workflow. By delegating subtasks to specialized agents, MAP (1) retrieves and reflects on relevant user information, while enhancing reliability through agent-to-agent interactions, (2) provides detailed analysis for improved transparency and usability, and (3) integrates user feedback to iteratively refine results. Our user study findings (n=12) highlight MAP’s effectiveness and usability for conflict resolution while emphasizing the importance of user involvement in resolution verification and failure management. This work highlights the potential of multi-agent systems to implement user-centered, multi-user personalization workflows and concludes by offering insights for personalization in multi-user contexts.
arxiv情報
| 著者 | Christine Lee,Jihye Choi,Bilge Mutlu |
| 発行日 | 2025-03-17 02:52:10+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google