MERIT反馈引导LLM谈判者更好地讨价还价

讨价还价常被视为一个逻辑竞技场，而非艺术或直觉问题，但大语言模型（Large Language Model，LLM）仍难以在其中应对自如，原因在于策略深度有限，且难以适应复杂的人为因素。现有基准很少能捕捉这一局限。为弥合这一缺口，我们提出一个以效用反馈为核心的框架。我们的贡献包括：（i）AgoraBench，一个覆盖九种具有挑战性的设定（如欺骗、垄断）的新基准，支持多样的策略建模；（ii）由效用理论导出的、与人类对齐且具有经济学依据的指标，通过智能体效用（agent utility）、谈判力（negotiation power）和获取比率（acquisition ratio）来实现，隐式地衡量谈判与人类偏好的契合程度；以及（iii）一个以人类偏好为基础的数据集及学习流水线，通过提示和微调两种方式增强 LLM 的议价能力。实验结果表明，基线 LLM 策略常常偏离人类偏好，而我们的机制显著提升了谈判表现，带来更深层的策略行为和更强的对手意识。