对抗性建模非策略：大语言模型谈判者的极限
人工智能
2026-05-19 v1
摘要
谈判需要比推断对方想要什么更多：需要利用该信息在多个回合中作出有利的报价和反报价。在受控的多属性谈判环境中，我们研究大语言模型 (LLM) 代理是否具备此类能力。我们发现当前的 LLM 代理能够建模对方的偏好，但未能可靠地将该知识转化为战略性谈判。在给定谈判伙伴偏好信息后，代理早期就能准确建模这些偏好，但这并不必然提高受信息方的实际结果。轮次分析揭示了原因：代理常常回应于其认为对方看重的事物，但未能始终将此类动作与自身高价值属性的收益相结合。卖方总体上更愿意让步，在非对称信息条件下，受信息方常常做出更弱补偿的让步。由于代理未能利用这种底层效用结构获取战略优势，其最终协议严重依赖于表层性开放锚点，而非实际效用权重。最后，要求代理在作出报价前明确表态让步换取回报的行为，虽然使单个回合看起来更具战略性，但最终未能提高最终协议的效率。
引用
@article{arxiv.2605.16575,
title = {Counterparty Modeling is Not Strategy: The Limits of LLM Negotiators},
author = {Romain Cosentino and Sarath Shekkizhar and Adam Earle and Silvio Savarese},
journal= {arXiv preprint arXiv:2605.16575},
year = {2026}
}