利用基于大语言模型的智能体模拟政治联盟谈判
计算与语言
2024-02-20 v1
摘要
联盟谈判是议会民主制的基石，其特征是政党之间复杂的互动和战略沟通。尽管其意义重大，但由于缺乏合适的数据，自然语言处理（NLP）领域尚未对这类谈判进行建模。在本文中，我们将联盟谈判引入为一项新颖的 NLP 任务，并将其建模为基于大语言模型（LLM）的智能体之间的谈判。我们推出了一个多语言数据集 POLCA，包含欧洲各国政党在多次选举中的宣言和联盟协议。该数据集通过提供多样化的现实世界模拟基础，解决了当前政治谈判建模中范围受限的挑战。此外，我们提出了一种分层马尔可夫决策过程，旨在模拟政党间的联盟谈判过程并预测结果。我们评估了最先进的大语言模型（LLMs）作为智能体在处理联盟谈判方面的性能，揭示了其能力，并为政治建模的未来发展铺平了道路。
引用
@article{arxiv.2402.11712,
title = {Modelling Political Coalition Negotiations Using LLM-based Agents},
author = {Farhad Moghimifar and Yuan-Fang Li and Robert Thomson and Gholamreza Haffari},
journal= {arXiv preprint arXiv:2402.11712},
year = {2024}
}