BEACOF：以信念更新协调多智能体的合作与竞争

高保真社交模拟对于解决复杂的网络社会挑战至关重要，但它要求代理能够真实地复制人类交互的动态范围。然而，当前基于 LLM 的多智能体框架主要遵循静态交互拓扑，无法捕获现实场景中合作知识合成和竞争性批判推理之间的流动振荡。这种僵化常常导致不切实际的“群体思维”或无成效的僵局，从而破坏决策支持模拟的可信度。为了弥补这一差距，我们提出了 \textit{BEACOF}，这是一个受完美贝叶斯均衡（PBE）启发的 \textit{信念驱动的自适应协作框架}。通过将社交交互建模为不完全信息的动态博弈，BEACOF 严格解决了协作类型选择和能力估计之间的循环依赖关系。智能体迭代地完善关于对等能力的概率信念，并自主调整其协作策略，从而确保在不确定性下做出顺序合理的决策。 BEACOF 经过对抗性（司法）、开放式（社会）和混合（医疗）场景的验证，可防止协调失败并促进向高质量解决方案的稳健收敛，展示了可靠社会模拟的卓越潜力。源代码和数据集公开发布于：https://github.com/WUT-IDEA/BEACOF。