斯坦福论文：更多信息反而让部分 LLM 交易代理收益大跌
rohanpaul_ai · x · 2026-11-08
斯坦福团队在 arXiv 发布论文《Who Should Know What? Empirical Information Design for Multi-Agent LLM Economies》，用多资源交易、双边议价和双向拍卖三类市场实验，测试 10 个前沿 LLM 在不同信息披露精度下的表现。
核心发现是「更多信息更好」并不成立，效果高度依赖模型：
- 交易场景中，披露精确估值而非仅排名，GPT-6 Sol 的收益从最大值的 98% 降到 91%，Claude Sonnet 5 反而从 72% 升到 86%
- 拍卖场景中，完全披露会推高要价，Grok 4.7 收益从 97% 暴跌至 62%，Claude Opus 5.5 从 94% 降到 64%
- 议价场景中，精确信息让 Grok 4.7 达成更不均衡的分配，Opus 5.5 仍对称分配
结论：模型选择与信息设计必须共同优化——给代理谈判时，要一起测试「用哪个模型」和「让它看到什么」。
所属事件:斯坦福论文：给 LLM 代理更多信息反而致交易收益大跌(2 条相关)→
「编程与Agent」频道最新
- 长文梳理八类 Agent 架构失效模式与对应的结构性修复方案 — blaizedsouza · 2026-11-08
- Vercel CTO 晒 commit 曲线:Opus 4.5 让代码产出再次垂直起飞 — cramforce · 2026-11-08
- 力传感器+Agent 框架一步搞定盲插,免数小时微调数据 — ihorbeaver · 2026-11-08
- OpenAI 研究员：AI 一天迁移监控栈，日志成本降 38 倍 — LiamFedus · 2026-11-08
- 语言检测错标荷兰语，15k 字符 prompt 让开发者误怪模型 — Initial_Orange2985 · 2026-11-08
- zml 团队自曝「RSI 时刻」:DeepSeek token 消耗超 Codex+Claude 总和 — RemiCadene · 2026-11-08