LLM-Stackelberg 游戏：猜测推理均衡及其对网络钓鱼的应用

我们引入 LLM-Stackelberg 游戏框架，这是一类将大型语言模型 (LLM) 集成到领导者和跟随者之间决策过程模型的序列决策模型。我们的方法不同于经典 Stackelberg 假设的完全信息和理性代理，允许每个代理通过结构化提示进行推理，通过 LLM 生成概率行为，并通过内部认知和信念更新来适应其策略。我们定义两种均衡概念：推理均衡和行为均衡，这两种概念将代理的内部基于提示的推理与可观察行为相吻合，以及猜测推理均衡，这种概念通过对对手响应的认识不确定性通过参数化模型来捕捉。这些分层构造捕捉有限理性、非对称信息和元认知适应。我们通过网络钓鱼案例研究说明了该框架，其中发送者和接收者使用结构化推理提示进行欺骗性游戏。该 example highlights the cognitive richness and adversarial potential of LLM-mediated interactions.我们的结果表明，LLM-Stackelberg 游戏为建模诸如网络安全、虚假信息和推荐系统等领域决策提供了强大的范式。