对手建模不等于策略：LLM谈判者的局限

谈判不只是推断对方想要什么：还需要利用这些信息在多个回合中提出有利的报价与还价。我们在受控的多属性议价环境中研究大语言模型（LLM）代理是否能做到这一点。我们发现，当前LLM代理能够建模对手的偏好，却不能可靠地将这种知识转化为策略性议价。当给定谈判伙伴的偏好信息时，代理在推理轨迹中能准确且较早地建模这些信息，但这并不能可靠地改善知情一方的结果。回合级分析揭示了原因：代理常常针对其认为对方重视的内容做出回应，却没有始终如一地将这些动作与自身高价值属性上的收益配对。卖方总体上更为迁就，而在信息不对称条件下，知情一方往往做出补偿更弱的让步。由于代理未能利用这一底层效用结构谋取策略优势，其最终协议在很大程度上由表层的开局锚点而非实际效用权重决定。最后，要求代理在报价前显式陈述以让步换互惠的交易，会使个别回合显得更具策略性，但最终未能提升最终协议的效率。