EQ-Negotiator：動的な感情ペルソナが小規模言語モデルにエッジ配備可能な債権（クレジット）交渉のための能力を与える

要旨: 自動化された交渉に大規模言語モデル（LLM）を導入することにより、高い性能のベンチマークが達成されている一方で、その計算コストとデータプライバシー要件は、モバイルアシスタント、体現型AIエージェント、または個人顧客とのプライベートなやり取りのような、多くのプライバシーに敏感なオンデバイスアプリケーションには適さないものにしている。小規模言語モデル（SLM）は現実的な代替手段を提供するが、特に信用（クレジット）交渉において、感情のこもった複雑な人物像を演じる能力では、LLMに比べて大きな性能差に悩まされている。本論文では、感情的人物像を用いてこの能力ギャップを埋める新しい枠組みEQ-Negotiatorを提案する。その中核は、推論システムであり、事前学習なしで債務者の感情状態をオンラインで学習・追跡するために、ゲーム理論と隠れマルコフモデル（HMM）を統合している。これによりEQ-Negotiatorは、対話の駆け引き（操作）に対抗するための戦略的知性をSLMに付与しつつ、紛争をエスカレートさせず、倫理的基準を維持することを可能にする。詐欺、脅迫、「被害者」を演じるといった不正な債務者戦略を含む、多様な信用交渉シナリオにおけるエージェント同士の広範なシミュレーションを通じて、EQ-Negotiatorを組み込んだ7Bパラメータの言語モデルが、サイズがそれ以上に10倍超のベースラインLLMよりも、より良い債務回収と交渉効率を達成することを示す。本研究は、人物像モデリングを、記述的なキャラクタープロフィールから、プライバシー制約のもとで動作する動的な感情アーキテクチャへと前進させる。さらに本論文は、成功の決定的要因は生のモデル規模ではなく、戦略的な感情知性であることを示し、エッジ上で動作可能な、効果的で倫理的かつプライバシーを保護するAI交渉者への道を切り拓く。