Leveraging Large Language Models for Collective Decision-Making

要約

会議のスケジューリング、コラボレーション、プロジェクト計画などのさまざまな作業のコンテキストでは、集団的意思決定は不可欠ですが、多様な個人の好み、さまざまな作業の焦点、およびメンバー間のパワーダイナミクスのために挑戦することがよくあります。
これに対処するために、会話を管理し、個人間の好みのバランスをとることにより、グループの意思決定を促進するために、大規模な言語モデル（LLM）を活用するシステムを提案します。
私たちのシステムは、各メンバーのシステムとの会話から個々の好みを抽出し、メンバーの好みを満たすオプションを提案することを目指しています。
このシステムは、企業会議のスケジューリングに特に適用します。
合成従業員プロファイルを作成し、大規模な会話をシミュレートし、LLMSを活用して、ユーザー調査を実施するための新しいアプローチとしてシステムパフォーマンスを評価します。
私たちの結果は、メンバーとLLMベースのシステム間の相互作用の減少との効率的な調整を示しています。
このシステムは、提案されたオプションを経時的に改良および改善し、メンバーの個々の好みの多くが公平な方法で満たされるようにします。
最後に、私たちは、人間の参加者が関与する調査研究を実施して、システムの好みを集約し、それらについて推論する能力を評価します。
私たちの調査結果は、システムが両方の次元で強力なパフォーマンスを示すことを示しています。

要約(オリジナル)

In various work contexts, such as meeting scheduling, collaborating, and project planning, collective decision-making is essential but often challenging due to diverse individual preferences, varying work focuses, and power dynamics among members. To address this, we propose a system leveraging Large Language Models (LLMs) to facilitate group decision-making by managing conversations and balancing preferences among individuals. Our system aims to extract individual preferences from each member’s conversation with the system and suggest options that satisfy the preferences of the members. We specifically apply this system to corporate meeting scheduling. We create synthetic employee profiles and simulate conversations at scale, leveraging LLMs to evaluate the system performance as a novel approach to conducting a user study. Our results indicate efficient coordination with reduced interactions between the members and the LLM-based system. The system refines and improves its proposed options over time, ensuring that many of the members’ individual preferences are satisfied in an equitable way. Finally, we conduct a survey study involving human participants to assess our system’s ability to aggregate preferences and reasoning about them. Our findings show that the system exhibits strong performance in both dimensions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google