LLMs的竞争性市场行为

大型语言模型（LLMs）正越来越多地被用作经济代理，但关于LLM代理是否适合参与为人类设计的市场机制，以及这些机制在面对LLM代理时是否能产生预期结果，仍缺乏证据。为回答这一问题，我们复现了经典经济实验，并用LLM代理替代人类受试者。我们将代理置于双向拍卖环境中，这是一种广泛使用的市场机制。我们检验这种市场是否能够实现资源的有效配置，从而测试LLM代理对齐的一个新维度——它们与基本市场机制的兼容性。我们发现，由LLM代理组成的市场向市场均衡收敛更慢，甚至不收敛，因此其资源配置效率低于由人类组成的市场。随后，我们分析了代理的个体交易决策，发现不同模型家族以及不同市场角色之间都存在显著异质性。我们还对代理生成的Chain-of-Thought（CoT）轨迹进行了词汇分析。我们发现，选择执行交易而不是继续逐步调整价格，与从战略性考量转向紧迫感有关。我们已公开发布测试框架，供未来评估使用。