论文
TradeWar将谈判承诺落到贸易执行并测试跨回合策略更新
TradeWar: A Benchmark for Execution-Grounded Trade Negotiation with Adaptive LLM Agents
摘要
对于大型语言模型（LLM）代理来说，多轮协商仍然是一个具有挑战性的问题。虽然 LLMs 可以进行自然语言对话，但现有基准主要仅评估达成协议的比例，而忽略了协商承诺一旦执行后是否真正创造价值。为了解决这一差距，我们引入了 TradeWar，这是一个多国模拟基准，可将谈判对话转化为具体的关税和贸易份额政策，在结算过程中强制执行能力和网络限制，并通过经济健康指数 (EHI) 评估结果。为了解决这个以执行为基础的任务，我们提出了 TACTIC（贸易感知自适应整合和国际贸易心智理论），这是一种通过利用先前经验、对手行为和过去的结算结果迭代地改进其跨回合谈判策略的代理，无需更新基础 LLM 权重。尽管使用零样本思维链 (CoT) 提示，PromptLLM 仍获得 75% 的协议达成率，但最终 EHI 仅为 57.1 (*100)，而 TACTIC 则达到 68.8。在 20 个连续回合和三个种子中，TACTIC 的最终 EHI 从 58.2 提高到 73.2，而没有跨回合更新的消融则为 65.2。在技术管制和能源危机冲击下，TACTIC 的性能下降也比 PromptLLM 和 MemoryLLM 更小。这些结果表明，仅 CoT 推理和交互记忆并不能完全解决延迟执行反馈问题，而依据实际结算结果进行适应，可改善 TradeWar 中的长时序谈判。
