还未实现：人类在 Colonel Blotto 锦标赛中超越 LLM
综合经济学
2026-05-22 v1 人工智能
计算机科学与博弈论
人机交互
经济学
摘要
大型语言模型（LLM）的出现引发了经济学家研究人类和 LLM 在战略情境中行为的方式的热潮。我们组织了一系列单环锦标赛，进行 Colonel Blotto 博弈。这一博弈因其高维动作空间和不存在纯策略纳什均衡而吸引了博弈论者的注意。在第一场锦标赛中，超过 200 名人类参赛者相互竞争。在第二场锦标赛中，我们邀请了几款流行的 LLM 提交策略。在第三场锦标赛中，我们将 LLM 策略的数量与人类提交的数量相匹配。我们发现，人类常常采用更精准的中间级分配启发式方法，而超越 LLM 提交的简单、更刻板的策略。只有在达到必要的推理深度后，战略复杂性才是成功的关键；而低于或高于这种水平的推理，相较于原始策略没有明显的优势。在人类之间，专业背景弱势地预测成功情况：拥有 STEM 背景的参赛者在第一场锦标赛中表现更好。意外的是，人类几乎不调整他们的策略，以应对不同对手集合的锦标赛。这一结果表明，人类主要是基于游戏规则来做出选择，而不是基于对手的身份，将 LLM 视为类似人类竞争者。
引用
@article{arxiv.2605.22095,
title = {Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament},
author = {Dmitry Dagaev and Egor Ivanov and Petr Parshakov and Alexey Savvateev and Gleb Vasiliev},
journal= {arXiv preprint arXiv:2605.22095},
year = {2026}
}