博弈思维：基于博弈论的大语言模型稳健信息寻求
计算与语言
2026-02-03 v1 人工智能
计算机科学与博弈论
摘要
大语言模型（LLM）正在被部署到实际场景中，其中可能缺乏足够的信息来完成给定任务。在此类设置下，主动寻求缺失信息的能力成为关键能力。现有的增强此能力的方法常依赖简化假设，这会损害最坏情况下的性能。这一问题在高风险应用中具有严重含义。在本工作中，我们使用二十问题游戏来评估 LLM 的信息寻求能力。我们提出并形式化了其对手等价问题，即战略语言搜索（SLS）问题及其变体，作为一种两人零和广义形式博弈。我们提出了博弈思维（Game of Thought, GoT）框架，应用博弈论技术来近似求解该博弈的受限变体的纳什均衡（NE）策略。实证结果表明，我们的方法在所有测试环境中均一致优于基于直接提示的 метод和基于启发式引导的搜索方法，从而显著提升了最坏情况下的性能。
引用
@article{arxiv.2602.01708,
title = {Game of Thought: Robust Information Seeking with Large Language Models Using Game Theory},
author = {Langyuan Cui and Chun Kai Ling and Hwee Tou Ng},
journal= {arXiv preprint arXiv:2602.01708},
year = {2026}
}
备注
23 pages, 10 figures, under review at ICML 2026