Stanford 论文：信息披露让部分 LLM 智能体交易收益上升、部分下降

Rohan Paul· @rohanpaul_ai · X·2026-11-08 06:05· 1 小时前AI 评分50

AI 导读

Stanford 论文提出经验性信息设计框架，在 10 个前沿 LLM 上对比不同披露粒度下的多智能体交易、议价与拍卖表现。

正文 · 原文

Stanford 新论文表明，更多信息会让一些 LLM 智能体交易得更好，却会损害另一些智能体，具体取决于模型。

在拍卖中买卖商品的 AI 智能体被告知了双方对商品的确切估值，Claude Opus 5.5 在可能收益中的份额从 94% 降至 64%。

多智能体系统需要规定每个智能体能看到其他智能体的哪些信息，例如确切价格或仅排名。通常的假设是信息越多越好。

他们在交易、议价和双向拍卖中运行了 10 个前沿 LLM，仅改变私人估值的共享精确度，并以已知效用为基准对收益打分。

在交易中，精确估值使 GPT-6 Sol 的收益从最大值的 98% 降至 91%，但使 Claude Sonnet 5 的收益从 72% 升至 86%。在拍卖中，完全披露抬高了要价，使 Grok 4.7 从 97% 降至 62%。

当智能体替你谈判时，要把模型和它被告知的信息放在一起测试，因为更多细节会让某些模型更贪婪。

来源：Rohan Paul · x.com