LLM智能体市场中的策略性剥削：面向电商信任的仿真框架

基于主体的建模（ABM）长期以来被用于经济学中研究人类行为，而大语言模型（LLM）智能体现在使新型社会与经济仿真成为可能。尽管已有工作发现了LLM智能体在金融交易和拍卖市场中的策略性欺骗行为，电子商务却仍未被充分探索，尽管其具有独特的信息不对称：卖家私下观察产品质量，而买家只能依赖宣传性声明和声誉信号。我们提出TruthMarketTwin，一个用于研究LLM智能体在电商市场中行为的受控仿真框架。该框架是最早对非对称信息共享下的双边贸易进行建模的工作之一，其中智能体做出策略性的上架、购买、评分以及追偿相关决策，以优化卖家利润和买家效用。我们发现，被释放到传统市场中的LLM智能体会自发地利用基于声誉的治理机制的弱点，而担保机制的执行则能减少欺骗并重塑策略性推理。我们的结果将LLM智能体仿真定位为研究由制度治理的自主市场的一种工具。