arXiv 论文：多智能体 LLM 市场信息透明度对不同模型效果相反
原文标题：Who Should Know What? Empirical Information Design for Multi-Agent LLM Economies
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出「经验信息设计」框架，在交易、双边议价与双向拍卖中比较 10 个前沿 LLM 的信息披露策略。结果显示更细的信息披露效果高度依赖模型：精确估值让 GPT-6 Sol 收益从 98% 降至 91%，却让 Claude Sonnet 5 从 72% 升至 86%；完全披露还导致 Gemini 3.1 Pro 等模型市场福利下降。作者认为模型选择与信息设计需协同优化。
- 问题
- 多智能体 LLM 系统中，向智能体披露更细信息是否总能提升集体收益。
- 方法
- 提出经验信息设计框架，固定交互规则与模型，在交易、议价、双向拍卖中比较 10 个前沿 LLM 的披露策略。
- 结果
- 精确估值使 GPT-6 Sol 收益从 98% 降至 91%、Claude Sonnet 5 从 72% 升至 86%；完全披露使 Gemini 3.1 Pro 福利从 97% 降至 78%。
- 影响
- 信息透明度效果因模型而异，设计多智能体市场需把模型选择与信息披露策略联合调优。
深读 · 结论先行AI 生成展开看要点与影响 ↓
同一信息披露策略对不同LLM效果相反：精确估值让GPT-6 Sol收益98%降至91%，Claude Sonnet 5反升至86%。
- •提出「经验信息设计」框架，在交易、双边议价、双向拍卖中比较10个前沿LLM
- •交易场景：精确估值使GPT-6 Sol收益从98%降至91%，Claude Sonnet 5从72%升至86%
- •议价场景：精确信息让Grok 4.7协议更不均衡，Claude Opus 5.5则对称分配收益
- •双向拍卖完全披露推高报价致市场崩溃：Gemini 3.1 Pro福利97%→78%，Opus 5.5 94%→64%，Grok 4.7 97%→62%
- •实验固定交互规则与模型，用真实效用值区分「识别机会」与「实现结果」
为什么重要：多智能体系统里「信息越透明越好」的默认假设被证伪，模型选型与信息披露策略必须联合调优。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。