利用大型语言模型进行集体决策

《Proceedings of the ACM on Human-Computer Interaction》：Leveraging Large Language Models for Collective Decision-Making

群体决策支持系统基于LLMs优化企业会议调度，通过合成数据模拟验证和人类调查证实，系统能有效协调成员需求、减少交互次数并持续优化建议以公平满足偏好。

　　

摘要

在各种工作场景中，如会议安排、协作和项目规划，集体决策至关重要，但由于成员之间的个人偏好差异、工作重点不同以及权力动态变化，集体决策往往具有挑战性。为了解决这一问题，我们提出了一种利用大型语言模型（LLMs）的系统，通过管理对话和平衡成员之间的偏好来促进群体决策。该系统旨在从每位成员与系统的对话中提取个人偏好，并提出满足这些偏好的选项。我们特别将此系统应用于企业会议安排。我们创建了合成的员工档案，并大规模模拟了对话，利用LLMs来评估该系统的性能，作为一种新颖的用户研究方法。研究结果表明，该系统能够实现高效的协调，同时减少了成员与基于LLM的系统之间的互动。随着时间的推移，系统不断优化和改进其提出的选项，确保以公平的方式满足许多成员的个人偏好。最后，我们进行了一项涉及人类参与者的调查研究，以评估该系统在汇总偏好及其推理方面的能力。研究结果表明，该系统在这两个维度上都表现出色。

可用格式

您可以通过以下格式查看完整内容：

PDF