AgenticPay：基于多智能体 LLM 协商系统的买卖双方交易
人工智能
2026-02-06 v1 机器学习
摘要
基于大语言模型（LLM）的智能体正越来越多地被期望进行协商、协调和自主交易，但现有基准缺乏对多智能体语言中经济交互进行原则性评估的设置。我们介绍 AgenticPay，一个用于由自然语言驱动的多智能体买卖双方协商的基准和仿真框架。AgenticPay 模拟市场，买家和卖家拥有私有约束和与产品相关的评估值，必须通过多轮语言协商而非仅用数值投标来达成协议。该框架支持一套多样化的 110 多个任务，从双边议价到多对多市场，并提供可行性、效率和福利的结构化动作提取和指标。对最新专有和开源权重 LLM 进行基准测试，揭示了协商性能之间的重大差距，并突显了长期战略推理方面的挑战，使 AgenticPay 成为研究智能体 commerce 和语言交互市场的基础。代码和数据集已提供链接：https://github.com/SafeRL-Lab/AgenticPay。
引用
@article{arxiv.2602.06008,
title = {AgenticPay: A Multi-Agent LLM Negotiation System for Buyer-Seller Transactions},
author = {Xianyang Liu and Shangding Gu and Dawn Song},
journal= {arXiv preprint arXiv:2602.06008},
year = {2026}
}