arXiv cs.MA· Lingxiao Zhou, Di Chen, Jia Li·· 10 小时前AI 评分29
理解混合自动驾驶交通中基于 LLM 的驾驶智能体议价行为
Understanding LLM-Based Bargaining of Driving Agents in Mixed-Autonomy Traffic
AI 导读
一项研究构建框架，刻画并理解混合自动驾驶交通中自动驾驶汽车（AV）与人类驾驶汽车（HV）智能体基于 LLM 的群体级道路空间议价。通过改变交通密度、智能体目标和交通领域知识的受控实验，研究发现不同条件下达成一致的比例存在差异，并提出联合刻画数值出价动作与沟通态度的行为分类法。结果显示，达成一致的试验中建设性互惠更多，破裂试验中冲突升级更频繁，且即使数值出价不变，私下与公开沟通态度也常不同。
正文 · AI 翻译
摘要：大语言模型（LLM）为建模异构智能体之间的社会交互提供了一种灵活的计算方法。本文提出了一个新框架，用于刻画和理解混合自动驾驶交通中自动驾驶车辆（AV）与人类驾驶车辆（HV）智能体之间基于 LLM 的共享道路空间群体议价。通过改变交通密度、智能体目标和交通领域知识的受控实验，我们首先刻画了议价结果，并观察到不同实验条件下存在异质的达成一致率。为了理解议价过程如何塑造结果，我们引入了一种行为分类法，联合刻画数值出价行为和沟通态度。我们考察了社会交互的两个互补方面：智能体间议价动态和从私下到公开的行为转变。结果揭示了与达成一致和谈判破裂相关的不同交互模式，包括在达成一致的试验中更具建设性的互惠，以及在破裂试验中更频繁的冲突升级。此外，即使数值出价保持不变，私下和公开的沟通态度也常常不同。这些发现表明，基于 LLM 的议价模拟能够支持对混合自动驾驶交通中社会交互行为的结构化分析。
| 学科： | 物理学与社会（physics.soc-ph）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.41239 [physics.soc-ph] |
| （或 arXiv:2610.41239v1 [physics.soc-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41239 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jia Li [查看邮箱]
[v1]
2026年10月30日星期五 04:30:08 UTC（1,356 KB）
来源：arXiv cs.MA · arxiv.org