为应对不诚实的 LLM 提供者：对第二优质服务的支付——一种博弈论方法

大型语言模型（LLM）通过应用程序编程接口（API）的广泛采用，诱导了一个关键漏洞：服务提供者可能进行不诚实的操纵。这种操纵可表现为多种形式，例如：秘密替换宣称的高性能模型为低成本替代品，或通过填充无意义的 token 来虚高计费。本 work 通过算法博弈论和机制设计的视角来解决此问题。我们首次提出了针对真实用户-提供者生态系统的正式经济模型，其中用户可以迭代委托 $T$ 个查询给多个模型提供者，而提供者可以采取一系列战略行为。作为我们的核心贡献，我们证明了对于连续策略空间和任意 $\epsilon\in(0,\frac12)$，存在一种近似激励相容机制，其添加近似比率为 $O(T^{1-\epsilon}\log T)$，并保证用户收益为准线性次优。我们还证明了一个不可实现性结果，表明没有任何机制能保证用户预期收益在渐进意义上优于我们提出的机制。此外，我们在真实世界 API 设置下的仿真实验中展示了该机制的有效性。