Agent Bazaar：实现多代理市场的经济协调

将 大语言模型 (LLM) 部署为自主经济主体会带来系统性风险，其范围超出了个人能力失败的范围。随着代理商转向直接与市场互动，他们的集体行为可能会放大波动性并大规模掩盖欺骗行为。我们引入了 Agent Bazaar，这是一个多代理模拟框架，用于评估经济一致性、代理系统维护市场稳定性和完整性的能力。我们确定了两种失败模式：(1) B2C 市场中的算法不稳定（“崩溃”），其中企业放大价格波动直至市场崩溃；(2) C2C 市场中的女巫欺骗（“柠檬市场”），其中控制多个协调卖家身份的单一欺骗性代理以欺诈性列表充斥市场，侵蚀信任和消费者福利。我们评估了这两种情况下的前沿模型和开放权重模型，发现模型在很大程度上无法自我调节，故障严重程度因模型而不是规模而异。我们提出经济上一致的控制措施，即稳定企业和持怀疑态度的监护人，这些措施可以改善结果，但在更困难的市场条件下仍然脆弱。为了缩小这一差距，我们使用自适应课程通过 REINFORCE++ 来训练智能体，生成了一个 9B 模型，该模型的性能优于所有评估的前沿模型和开放权重模型。我们提出了经济一致性评分 (EAS)，这是一种聚合稳定性、完整性、福利和盈利能力的 4 个组成部分的标量指标，可实现直接的跨模型比较。我们的结果表明，经济一致性与一般能力正交，并且可以直接使用有针对性的强化学习进行训练。