研究揭示:LLM智能体在供应链谈判中的表现与局限性
摘要:一项来自ArXiv的研究深入探讨了LLM智能体在供应链谈判中的表现。研究通过9,840次LLM对LLM的谈判实验,评估了来自OpenAI、Google和阿里巴巴的九种LLM模型在自主采购场景下的表现。结果显示,LLM智能体在98.9%的谈判中达成一致,并捕获了95.4%的理论最优收益,但谈判轮次较基准值增加了一倍以上,导致21-34%的收益损失。此外,LLM的提供商身份对收益分配有显著影响,例如阿里巴巴的Qwen模型在收益分配中占据优势,而OpenAI和Google的模型则相对较弱。研究还指出,提示工程是影响收益分配的关键因素,揭示了LLM在自主采购中的可靠性与效率问题。
研究背景与目的
随着大语言模型(LLM)智能体从决策支持向自主采购的演进,企业需要了解这些智能体在创造价值、收益分配以及避免亏损合同方面的表现。本研究旨在通过供应链谈判这一典型场景,评估LLM智能体的实际表现,并为其在商业应用中的可靠性提供参考。
研究方法
研究团队设计了一个买方拥有私有需求信息、卖方信息不足的供应链谈判问题,并使用经过验证的完美贝叶斯均衡作为基准。通过9,840次LLM对LLM的谈判实验,评估了来自OpenAI、Google和阿里巴巴的九种LLM模型的表现。
主要发现
-
能力与价值创造:
- LLM智能体在98.9%的谈判中达成一致,并捕获了95.4%的理论最优收益。
- 然而,谈判轮次平均为2.98轮,较基准值1.25轮增加了1倍以上,导致21-34%的收益损失。
- 能力水平也影响可靠性:基础模型在19.2%的案例中接受了非理性合同,而中高端和旗舰模型则在0.0-0.6%的案例中接受。
-
收益分配与提供商身份:
- 提供商身份比能力排名更能预测收益分配:OpenAI的平均买方份额为40%,Google为50%,阿里巴巴的Qwen为70%。
- 逆转提供商角色,收益分配变化7-18个百分点,Qwen旗舰模型在跨家族销售中表现最弱。
-
提示工程的战略作用:
- 委托代理关系将委托人的经济耐心与代理人的提示性战略耐心分离,这种自由部署选择是收益分配的最强驱动因素(解释方差90%)。
行业影响与建议
- 对企业的启示:企业应谨慎选择LLM提供商,并重视提示工程在收益分配中的关键作用。
- 对开发者的建议:在设计LLM智能体时,应考虑收益分配机制和谈判效率的优化,并引入自动化利润验证机制以提高可靠性。
- 未来研究方向:进一步研究LLM在复杂谈判场景中的表现,并探索更有效的收益分配策略和可靠性保障机制。
结论
本研究为LLM智能体在供应链谈判中的表现提供了全面的评估框架,揭示了其在收益分配、谈判效率和可靠性方面的优势和局限性,为企业应用LLM智能体提供了重要参考。
—— 完 ——消息来源:ArXiv AI (cs.AI) (2026-08-12)
主题标签: #LLM #智能体 #供应链 #谈判 #自主采购
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区