大语言模型在合作与竞争中的收敛性与差异性
物理与社会
2026-04-23 v2 计算机科学与博弈论
摘要
随着大语言模型被部署为代表人类 principals 的自治代理进行协商、合作和竞争，它们的战略 disposition 直接产生经济后果。本文显示，在51,906次游戏论试验中生成826,990次战略决策，涵盖25个大语言模型（跨越7个开发商和38个标准游戏），模型们在竞争和协调行为上收敛（协调系变异系数为0.06，战略深度为0.11），但在合作方面呈现48倍的差异，由GPT-5 Nano的1.5%增长到Claude Opus 4.6的71.5%。提供者身份是合作 disposition 的主要预测因子，这种差异在生成代际间不稳定：OpenAI的合作率在四代模型中从50.3%下降到1.5%，而Google的合作率从8.3%上升到56.8%。终局分析显示，Anthropic的前沿模型在有限重复游戏的最后一轮中保持57%的合作，而最新的Google模型在合作但当惩罚不再可能时普遍背叛。这些战略性格由训练管道塑造，跨模型版本不断变化，却无法从能力基准推断出来，但它们决定了这些模型所调解的每一次经济互动的合作结果。完整数据集及交互式数据探索器已公开于https://felipemaffonso.github.io/strategic-personalities/。
引用
@article{arxiv.2604.18596,
title = {Large language models converge on competitive rationality but diverge on cooperation across providers and generations},
author = {Felipe M. Affonso},
journal= {arXiv preprint arXiv:2604.18596},
year = {2026}
}