北京
分享至
MIT 的一篇论文把目光投向了拍卖与匹配环境，研究交互格式会怎样影响 LLM 智能体的决策。结论有点反直觉：为人类竞标者设计的机制设计经验，可以沿用到 LLM 智能体身上。
研究覆盖了 GPT-4o、Claude、Gemini 和 Gemma。这些模型在竞价时仍常压低出价，目的是保留利润——这一点和人类竞标者的行为模式相似。
一行提示的杠杆
改变来自交互格式的简化。当采用升价加简单的留守或退出选择时，Gemma 的出价从低于价值 $5.30 收窄到 $0.30。
匹配场景同样如此。一行说明拒绝只会重新分配的提示，把匹配错误从 4.2% 降到了 0.2%。
论文的落点不在推理提示的复杂度上，而在交互格式本身。对做智能体产品的团队来说，这提示了一个方向：与其反复打磨提示词的推理链条，不如先检查任务给出的选择结构是否足够简单直接。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
