数字开始说话：LLM间的数值信号与策略行为

基于LLM的智能体日益在以策略交互为特征的多智能体系统（MAS）中运行。但不同类型的消息是否以及在多大程度上影响策略博弈的结果，鲜有研究。通过考察基于四个流行LLM、玩四种不同合作均衡博弈的AI智能体，我们研究不同种类的消息（自然语言、数值信号或随机序列）是否显著改变各博弈的合作水平，以及这是否取决于分配给智能体的个性。我们观察到：结构化消息改变多数博弈与LLM的最终收益，但没有可预测的模式——这挑战了"AI智能体无论附加能力如何都能收敛到稳定均衡"的假设。此外，智能体生成的数值消息偏离随机性——在明确指示智能体交流时最强烈、最一致；但它们带来额外的可解释性挑战：其符号分布大多与收益结构相关，且随重复趋于更集中，但总体上人类难以解读。因此，通过受限通道监控AI智能体的协调，应优先使用可跨模型泛化的消息级指纹，而非不具备此性质的行为决策。