面向高风险边缘可部署谈判的情感感知多主体系统
人工智能
2026-04-14 v2
摘要
大型语言模型 (LLMs) 已被广泛用于自动化谈判，但其高计算成本和隐私风险限制了在移动助理或救援机器人等隐私敏感的设备端部署的应用。小型语言模型 (SLMs) 提供了可行方案，但在处理高风险谈判中的复杂情感动态方面存在挑战。我们提出 EmoMAS，一种基于贝叶斯的多主体框架，将情感决策从反应式转为战略性。EmoMAS 利用贝叶斯调度器协调三个专门主体：博弈论、强化学习和心理一致性模型。该系统融合这些主体的实时见解，以优化情感状态转换，同时根据谈判反馈持续更新主体可靠性。这种混合主体架构实现了在无需预训练的情况下的在线策略学习。我们进一步引入四个面向高风险、边缘可部署谈判的基准测试，涵盖债务、医疗、紧急响应和教育等领域。通过所有基准测试的大量主体间仿真，无论是 SLMs 还是 LLMs 配合 EmoMAS 都在谈判表现上 consistently 超过所有基准模型，同时在平衡伦理行为方面取得佳绩。这一结果表明，战略性情感智能也是谈判成功的关键驱动力。通过将情感表达视为贝叶斯多主体优化框架中的战略变量，EmoMAS 确立了一种适用于高风险边缘部署的有效、私密且自适应的谈判 AI 新范式。
引用
@article{arxiv.2604.07003,
title = {EmoMAS: Emotion-Aware Multi-Agent System for High-Stakes Edge-Deployable Negotiation with Bayesian Orchestration},
author = {Yunbo Long and Yuhan Liu and Liming Xu},
journal= {arXiv preprint arXiv:2604.07003},
year = {2026}
}