能说不等于会沟通：多智能体协商中的动态共识建立与修复

扎根是建立足以实现沟通目标的相互信念的协作过程。静态基础将语言映射到共享上下文，而动态基础则要求智能体在轮流中协商含义。当前的多智能体 大语言模型 (LLM) 基准测试主要强调静态的一次性任务，忽略智能体是否可以通过交互修复共识建立故障。我们引入了一种迭代的多轮谈判游戏，其中两个代理将共享资源分配给私人项目，并具有可验证的共同最佳结果。尽管单个代理可以单独识别帕累托最优分配，但代理二人组始终无法跨模型达到帕累托最优分配。我们确定了四种失败模式：（1）共享交互历史的丢失，（2）顽固地锚定于早期提案，（3）在奖励最大化协调上默认平等分割，以及（4）轮次引用绑定错误。我们的基线表明，协调差距不能仅用个人推理限制或信息交换不足来解释。相反，瓶颈在于动态基础：联合计划的形成、承诺和执行。