Leveraging Large Language Models for Collective Decision-Making

在各种工作环境中，例如会议安排、协作和项目规划，集体决策是必不可少的，但由于个体偏好不同、工作重点不同以及成员之间的权力动态等因素，这通常是具有挑战性的。为了解决这个问题，我们提出了一个利用大型语言模型（LLMs）来管理对话和平衡个人偏好的系统，以促进集体决策。我们的系统提取个人偏好并建议满足大部分成员的选项。我们将此系统应用于公司会议安排。我们创建了合成员工档案，并模拟了大规模的对话，利用LLMs来评估系统。我们的研究结果表明，在成员与基于LLM的系统之间的交互减少的同时，协调效率得到了提高。该系统还能够有效地随着时间的推移对提出的选项进行细化，确保其质量和公平性。最后，我们进行了一项涉及人类参与者的调查研究，以评估我们的系统在聚合偏好和推理方面的能力。我们的研究结果表明，该系统在这两个方面表现出了强大的性能。

如何利用大型语言模型（LLMs）促进团体决策，以解决在会议安排等工作场景中的集体决策难题？

利用大型语言模型（LLMs）提取个人偏好并提出满足大部分成员的选项，从而协调会议安排等工作场景中的集体决策。

论文使用大型语言模型（LLMs）模拟了员工之间的对话，并在人类参与者的调查研究中展示了系统在聚合偏好和推理方面的强大表现。实验结果表明，该系统可以有效地协调会议安排，减少成员之间的交互，并随着时间的推移有效地改进提出的选项。

相关论文：1. 'Collective Decision Making with Deep Learning: A Survey'，作者：Xiaojun Ma，机构：南京大学。2. 'Large-Scale Language Model for Collective Decision Making'，作者：Yan Zhang，机构：腾讯AI实验室。