arXiv 自然语言处理· Hieu Tran, Hong Yu·· 3 小时前AI 评分44
强化学习在市场博弈中教会了 LLM 智能体什么：有人在执行卡特尔合谋吗？
Is Anyone Enforcing the Cartel? What Reinforcement Learning Teaches LLM Agents in Markets
AI 导读
研究人员提出一种通过在反事实市场中强制背叛来测试合谋惩罚的审查方法，以分析强化学习（RL）在定价与交易中对 LLM 智能体的影响。RL 训练的较小 LLM 会根据训练对手的奖惩调整策略，在自我博弈中只学到无视对手的固定规则，面对背叛对手时只会跟进降价，极少主动发起惩罚性的价格战。提示词驱动的 LLM 则主要依靠无视市场的规则获得类似卡特尔的收益。
来源：arXiv 自然语言处理 · arxiv.org