人类与 AI 在多智能体议价中的战略权衡
人工智能
2026-01-27 v4 计算机科学与博弈论
人机交互
摘要
市场越来越多地容纳大语言模型(LLM)作为自主决策代理。随着这一转变的发生，评估这些代理相对于其人类和任务特定统计前辈的行为变得至关重要。在本工作中，我们 presenting 来自人类(N=216)、多个前沿 LLM 以及定制贝叶斯代理在动态多玩家议价游戏中的结果，所有这些在相同条件下进行。贝叶斯代理以积极的交易提议获取最高的剩余价值，但这些提议常被拒收。人类和 LLM 在各自组成内实现可比的聚合剩余价值，但展现出不同的交易策略。LLM 偏好保守、让步的提议，这些提议通常被其他 LLM 接受；而人类提出的交易方案符合公平规范，但更可能被拒收。我们的发现突显了性能平等——代理评估中的常见基准——如何掩盖 LLM 在复杂多智能体互动中行为的实质性程序差异。
引用
@article{arxiv.2509.09071,
title = {Strategic Tradeoffs Between Humans and AI in Multi-Agent Bargaining},
author = {Crystal Qian and Kehang Zhu and John Horton and Benjamin S. Manning and Vivian Tsai and James Wexler and Nithum Thain},
journal= {arXiv preprint arXiv:2509.09071},
year = {2026}
}