智能AI
morning
交易对手建模不是策略：法学硕士谈判者的局限性
2026-05-20
1 阅读
Romain Cosentino, Sarath Shekkizhar, Adam Earle, Silvio Savarese
arXiv:2605.16575v1 公告类型：新 摘要：谈判需要的不仅仅是推断对方想要什么：它需要使用该信息在多个回合中提出有利的报价和还价。我们研究大型语言模型（LLM）代理是否在受控的多属性讨价还价环境中做到这一点。我们发现目前的法学硕士代理人可以模拟交易对手的偏好，但不能可靠地将这些知识转化为战略谈判。当给出谈判伙伴的偏好信息时，代理会在推理轨迹的早期准确地对其进行建模，但这并不能可靠地改善知情方的结果。回合水平分析说明了原因：代理人经常对他们认为的交易对手价值观做出反应，但并不始终将这些举动与他们自己的高价值属性的收益配对。卖家总体上更加宽容，在信息不对称的情况下，知情方往往会做出补偿性更弱的让步。由于代理人无法利用这种潜在的效用结构来获得战略优势，因此他们的最终协议在很大程度上取决于表面开放锚点而不是实际的效用权重。最后，要求代理商在提出要约之前明确声明互惠互利交易，这使得个别回合看起来更具战略性，但最终无法提高最终协议的效率。