概要: 多人数協調による議論（MAD）の研究は進展しているものの、旅行計画のような複雑な利害関係者の関心を調整する有効性は、ほとんど未調査のままです。このギャップを埋めるために、本研究では、嗜好が異なる旅行者同士の現実的な合意形成をシミュレートすることを目的としたフレームワークMIND（Multi-agent Inference for Negotiation Dialogue）を提案します。心の理論（ToM）に基づき、MINDは戦略的評価（Strategic Appraisal）フェーズを導入し、言語的ニュアンスから対戦相手の意思（w）を推論します（90.2%の精度）。実験結果により、MINDは従来のMADフレームワークを上回り、High-w Hitで20.5%の改善、Debate Hit-Rateで30.7%の増加を達成し、リスクの高い制約を効果的に優先付けることが示されました。さらに、LLM-as-a-Judgeによる定性的評価では、MINDが合理性（68.8%）および流暢さ（72.4%）においてベースラインを上回り、全体の勝率68.3%を確保しました。これらの結果は、MINDが説得力のある合意を導くために、人間の交渉ダイナミクスを効果的にモデル化できることを検証するものです。
MIND：旅行計画における交渉対話のためのマルチエージェント推論
arXiv cs.AI / 2026/3/24
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、マルチエージェントの討論研究を、異質な旅行者の嗜好を持つ旅行計画の交渉へと拡張するために、MIND（Multi-agent Inference for Negotiation Dialogue）を提案する。
- MINDは、心の理論（Theory-of-Mind）に着想を得た「Strategic Appraisal（戦略的評価）」フェーズを用いて、言語的手がかりから相手の意思（w）を推定し、90.2%の精度を報告している。
- 実験の結果、MINDは従来のMAD手法よりも改善し、高w Hitで20.5%の向上、Debate Hit-Rateで30.7%の増加が見られた。
- LLM-as-a-Judgeによる定性的評価では、ベースラインと比べて合理性（68.8%）と流暢性（72.4%）が高く、総合の勝率は68.3%であった。
- 著者らは、MINDが人間の交渉ダイナミクスをより忠実にモデル化することで、重要度の高い制約に対する説得力のある合意へ到達できると結論づけている。
