计算机科学 > 多智能体系统
[提交于 2025年6月7日
]
标题: 人工智能生成的联盟形成折衷方案
标题: AI-Generated Compromises for Coalition Formation
摘要: 在论证、调解和谈判等人工智能子领域中,寻找代理人提议之间的折衷方案是一项根本性挑战。 在此传统基础上,Elkind 等人(2021)提出了一种联盟形成过程,该过程寻求优于现状的多数支持提案,并使用了一个度量空间,其中每个代理人都有一个理想点。 这一过程中一个关键步骤涉及识别折衷提案,以使代理人的联盟能够团结一致。 如何有效地找到这样的折衷提案仍然是一个开放的问题。 我们通过形式化一种结合了代理有限理性和不确定性的模型,并开发人工智能方法来生成折衷提案来填补这一空白。 我们专注于协作文档撰写领域,例如社区宪法的民主起草。 我们的方法使用自然语言处理技术和大型语言模型来诱导文本上的语义度量空间。 基于此空间,我们设计算法以建议可能获得广泛支持的折衷点。 为了评估我们的方法,我们模拟了联盟形成过程,并表明人工智能可以促进大规模民主文本编辑,这是传统工具受限的领域。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.