★ 2
论文揭示多轮多方 LLM 谈判中的信任与协议落差
研究构建重复性多方多议题 LLM 谈判框架，其中一名参与者暗中阻挠达成协议，智能体在每轮后维护成对信任估计。结果显示信任感知智能体能在数轮内识别对手，但准确信任并不自动转化为更好协议：只有在明确引导下使用信任时，协议率才提升最多 23 个百分点，揭示出「信任—协议落差」。
arXiv cs.AI7 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究构建重复性多方多议题 LLM 谈判框架，其中一名参与者暗中阻挠达成协议，智能体在每轮后维护成对信任估计。结果显示信任感知智能体能在数轮内识别对手，但准确信任并不自动转化为更好协议：只有在明确引导下使用信任时，协议率才提升最多 23 个百分点，揭示出「信任—协议落差」。
论文研究多智能体 LLM 系统与有状态对手谈判时的模型调用浪费问题，提出由运行时宪法、四层群体架构与认知退火组成的控制栈。实验显示原子清除加规范恢复消息可在死锁中 5/5 逃脱，而纯 LLM 引导 0/5 成功，且成本由确定性停止规则约束。