arXiv cs.MA· Ian Gemp, Shubhendu Trivedi, Adam Fisch, Fantine Huot, Michael Kaisers, Mirella Lapata, William W. Cohen, Alekh Agarwal, Kate Larson, Jacob Eisenstein·· 2 天前AI 评分22
通过顺序拍卖实现去中心化 LLM 工作流
Decentralized LLM Workflows via Sequential Auctions
AI 导读
研究者提出一种去中心化市场框架，让自利智能体通过顺序拍卖协作求解多步任务。研究对比 Mirror Descent、Thompson Sampling、Bayes-Optimal 和 PPO 四种竞价算法在 1st-Price。
正文 · AI 翻译
摘要：我们提出了一个可扩展的框架，通过一个由自利智能体组成的去中心化市场来求解多步任务。此前的理论工作表明，通过顺序拍卖组织起来的智能体可以在马尔可夫决策过程（MDP）中收敛到全局最优策略，但其依赖于完美克隆存在这一作为完全竞争模型的限制性假设。在现实中，精确克隆会将智能体利润降至零，违背了参与者天然的风险—回报激励。相反，我们通过实证表明，另一个极端——缺乏竞争——同样会导致市场失灵和价值提取崩溃。在这两个极端之间，我们研究了异质智能体如何在跨越不完全竞争这一关键中间地带的市场中生存。为了盈利，智能体学会策略性地压低出价，以确保正的个体利润率，同时仍确保市场足够有效地运转，从而仍能解决市场消费者提出的协作任务。我们针对三种拍卖协议（第一价格、第二价格和信用节约型 Vickrey）制定并评估了四种出价算法（镜像下降、Thompson 采样、贝叶斯最优和 PPO）。在多个不同领域中，我们证明不完全竞争能够成功维持必要的智能体利润率，同时以低成本保持高任务成功率。
| 评论： | 28 页 |
| 主题： | 计算机科学与博弈论（cs.GT）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.22201 [cs.GT] |
| （或使用 arXiv:2610.22201v1 [cs.GT] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.22201 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Ian Gemp [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 16:52:16 UTC（2,422 KB）
来源：arXiv cs.MA · arxiv.org