EmoMAS：面向高风险边缘部署谈判的贝叶斯编排情感感知多智能体系统

大语言模型（LLM）已被广泛用于自动化谈判，但其高昂的计算成本和隐私风险限制了在移动助手或救援机器人等隐私敏感的端侧场景中的部署。小语言模型（SLM）提供了可行的替代方案，却难以应对高风险谈判中复杂的情感动态。我们提出EmoMAS，一个将情感决策从反应式转变为策略式的贝叶斯多智能体框架。EmoMAS利用贝叶斯编排器协调三个专业化智能体：博弈论模型、强化学习模型和心理一致性模型。该系统融合它们的实时洞见来优化情感状态转移，并基于谈判反馈持续更新各智能体的可靠性。这种智能体混合（mixture-of-agents）架构无需预训练即可实现在线策略学习。我们进一步推出四个覆盖债务、医疗、应急响应和教育领域的高风险、可边缘部署谈判基准。通过在所有基准上进行的大量智能体间仿真，配备EmoMAS的SLM和LLM在谈判性能上始终超越所有基线模型，同时兼顾道德行为。这些结果表明，策略性的情绪智能同样是谈判成功的关键驱动因素。通过在贝叶斯多智能体优化框架内将情感表达视为一个策略变量，EmoMAS为适用于高风险边缘部署的高效、私密且自适应的谈判AI确立了新范式。