INA：一种通过基于奖励的对话系统增强谈判策略的整合方法

该研究提出了一种新颖的在线市场谈判对话代理，能够动态调整价格并添加或删除商品，提供更灵活和全面的谈判体验。通过创建 Integrative Negotiation Dataset (IND) 数据集，结合定义谈判意图、行动和意图-行动模拟的方法，生成潜在的对话流。使用 GPT-J 作为提示生成对话，通过人机协作的方式进行后期编辑和修正，以确保数据质量。通过采用针对谈判任务量身定制的一组新颖奖励，训练了名为 Integrative Negotiation Agent (INA) 的谈判代理。通过运用 IND，评估了基于奖励的对话系统在谈判中的有效性。结果表明，所提出的方法和奖励系统显著提升了代理的谈判能力。