AgenticPay：面向买卖方交易的多智能体 LLM 谈判系统

摘要

基于大语言模型（LLM）的智能体被越来越多地期待能自主谈判、协调和交易，然而现有基准缺乏评估多智能体之间以语言为媒介的经济交互的规范化设定。我们推出 AgenticPay，一个由自然语言驱动的多智能体买卖方谈判基准与仿真框架。AgenticPay 建模这样的市场：买方和卖方各自持有私有约束和依产品而定的估值，必须通过多轮语言谈判而非仅靠数字出价达成协议。该框架支持从双边讨价还价到多对多市场的超过 110 个任务的多样化任务集，并配备结构化动作抽取以及可行性、效率与福利指标。对最先进的专有与开放权重 LLM 进行基准测试，揭示出谈判性能上的巨大差距，并凸显长程策略推理的挑战，从而确立 AgenticPay 作为研究 Agentic 商务与基于语言的市场交互的基础。代码和数据集可在以下链接获取：https://github.com/SafeRL-Lab/AgenticPay。

AgenticPay：面向买卖方交易的多智能体 LLM 谈判系统 — 图1：AgenticPay概览。(a) Agents与任务示例：买方和卖方agent进行三种谈判模式：1对1（单个买方与单个卖方之间的双边讨价还价）、1对N（一个买方与多个相互竞争的卖方谈判，或一个卖方与多个相互竞争的买方谈判）以及N对N（多个买方和卖方形成匹配市场）。(b) 框架：包括Environment、Task和Agent在内的核心组件相互作用，以实现多轮谈判。(c) 对话示例：一个谈判样本，展示用户的产品需求、买卖双方对话以及最终成交。