ASTRA：基于工具集成动作实现自适应策略推理以进行动态报价优化的谈判Agent
计算与语言
2025-09-23 v2 人工智能
摘要
谈判需要在对话流中动态平衡自身利益与合作，以最大化自身效用。然而，由于人类数据中的有限理性、对对手行为的低适应性以及有限的策略推理能力，现有的Agent面临困难。为了解决这些问题，我们引入了原则驱动的谈判Agent，由ASTRA——一种基于两个核心原则（对手建模和以牙还牙互惠）的回合级报价优化新框架——提供支持。ASTRA分三个阶段运行：（1）解释对手行为，（2）通过带有线性规划（LP）求解器的工具集成动作优化还价，以及（3）基于策略评估和伙伴接受概率选择报价。通过仿真和人类评估，我们的Agent能够有效适应对手立场的转变，并通过增强的适应性和策略推理实现有利结果。除了提升谈判性能外，它还可以作为强大的辅导工具，提供超越人类有限理性的可解释策略反馈和最优报价建议，其潜力已通过人类评估得到进一步验证。
引用
@article{arxiv.2503.07129,
title = {ASTRA: A Negotiation Agent with Adaptive and Strategic Reasoning via Tool-integrated Action for Dynamic Offer Optimization},
author = {Deuksin Kwon and Jiwon Hae and Emma Clift and Daniel Shamsoddini and Jonathan Gratch and Gale M. Lucas},
journal= {arXiv preprint arXiv:2503.07129},
year = {2025}
}
备注
Accepted to EMNLP 2025 (Main Conference)