多智能体议价中人与人工智能的战略权衡

市场越来越多地采用大型语言模型（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体的行为变得至关重要。在这项工作中，我们展示了一项实证研究的结果，在相同条件下，比较了人类（N=216）、多个前沿LLM和定制贝叶斯代理在动态多人议价游戏中的表现。贝叶斯代理以经常被拒绝的激进贸易提案获取最高盈余。人类和LLM在其群体内实现了可比较的总体盈余，但表现出不同的交易策略。LLM倾向于保守的、让步性的提案，这些提案通常被其他LLM接受，而人类提出的交易符合公平规范但更有可能被拒绝。这些发现突出表明，绩效平等——代理评估中的常见基准——可以掩盖LLM在复杂多智能体交互中行为方式的实质性程序差异。