arXiv cs.AI@Eilam Shapira, Moshe Tennenholtz, Roi Reichart
精选45
推荐理由：做多代理系统或谈判 AI 的开发者，这篇论文提供了一个实用的对手建模框架——用有限交互预测对方决策，比直接提示更准。建议点开看看他们的 LLM-as-Observer 方法，可能帮你省掉大量试错成本。
全部 AI 动态
AI 相关资讯全量信息流
5月13日
19:12
该研究探讨了 AI 代理如何在有限交互中预测陌生对手的下一步决策，例如买家代理面对未知卖家或采购助理与供应商谈判。研究通过受控谈判游戏将问题建模为目标自适应文本表格预测，每个决策点结合结构化游戏状态、报价历史和对话。模型基于表格基础模型，并引入 LLM-as-Observer 作为额外表示层：冻结的小型 LLM 读取决策时刻状态和对话，其隐藏状态作为决策导向特征，而非直接预测。在 13 个前沿 LLM 代理上训练并测试 91 个保留代理，该模型在响应预测 AUC 上提升约 4 点，报价预测误差降低 14%，证明隐藏的 LLM 表示能暴露直接提示无法获取的决策信号。