LLM 智能体谈判能力研究：供应商身份比能力更决定利润分配

一项发表于 arXiv 的研究系统评估了大语言模型智能体在供应链谈判场景中的表现：在「买方拥有私有需求信息、与不知情卖方谈判数量与付款合同」这一经典设定下，对来自 OpenAI、Google 与阿里巴巴的 9 款 LLM 进行了 9840 轮两两谈判，并参照经过验证的完美贝叶斯均衡（PBE）作为基准进行审计。研究沿三个维度展开：折后效率、分配画像与运行可靠性。

研究设计与基准

研究者构建了一个标准的供应链议价博弈：买方掌握私有需求信息，卖方不知情，双方通过多轮对话敲定「采购数量 + 付款金额」合同。为获得可比的衡量标尺，研究团队同时求解了该博弈的完美贝叶斯均衡解，并以此为参照评估 LLM 智能体的行为。9 款模型覆盖了基础、中端与旗舰三个档位，总计 9840 轮 LLM-to-LLM 谈判构成目前规模较大的同类实证之一。

能力决定价值创造与可靠性

整体上，智能体高度倾向于成交：在 98.9% 的谈判中达成协议，并捕获到 95.4% 的「一阶最优剩余」——前提是按全部剩余、不做折现计算。但效率并非没有代价：

• 平均谈判轮次为 2.98 轮，而 PBE 基准仅需 1.25 轮；
• 多轮往返造成 21%–34% 的剩余侵蚀；
• 基础档模型在 19.2% 的情况下接受了「对己方个体非理性」的合同，而中端与旗舰档仅为 0.0%–0.6%。

这意味着当模型能力不足时，「自动利润校验」反而成为部署的硬性护栏——否则企业可能签出亏损合同。

供应商身份决定利润分配

更具反直觉意义的是第二组结论：决定「谁拿走多少剩余」的，不是能力排名，而是模型来自哪家供应商。在自博弈（同一供应商模型互为买卖双方）中：

• OpenAI 阵营买方平均分得约 40% 的剩余；
• Google 阵营买方约 50%；
• 阿里 Qwen 阵营买方高达约 70%。

这一排序在限制沟通、关闭折现等条件下依然稳健。把卖方换成另一家供应商，分配比例会移动 7–18 个百分点；即便 Qwen 旗舰是跨家族中最强的模型，它作为「外家族卖方」时却是最弱的一方——也就是说，供应商选择本身就是一阶分配决策，而非中性的技术选型。

提示词是最强战略杠杆

第三个维度关注部署层面的可控变量。研究指出，「委托」天然把委托人的经济耐心（真实折现）与智能体被提示出的「战略耐心」拆分开来，而后者是一个零成本的部署旋钮。

• 在解释剩余分配差异的方差中，提示词贡献了约 90%；
• 这使其成为单一最强的分配驱动因素，远超模型规模或基准能力。

结论与含义

综合三项发现，该论文提供了一份以均衡解为标尺的 LLM 智能体审计框架。对于考虑让模型代理采购或谈判的企业，部署侧至少有三道关卡需要校准：折后效率（控制轮次与时间成本）、分配画像（评估供应商选择在利润分割中的角色）、运行可靠性（在能力不足时强制利润校验）。同时，提示词工程在多智能体经济场景中不再是「文案润色」，而是直接决定博弈结果的核心杠杆。