LLM agent가 협상할 때: 공급망에서 동적 협상과 개인 정보 보호

대규모 언어 모델 에이전트의 협상

대규모 언어 모델 에이전트가 의사결정 지원에서 자율 구매로 전환할 때, 기업은 위임된 협상자들이 가치를 창출하고 예측할 수 있게 하는지, 그리고 손실이 나는 계약을 피할 수 있는지 알 필요가 있습니다. 이를 위해 연구자들은 공급망에서 구매자와 판매자 간의 수량-지불 계약을 맺기 위한 협상을 연구했습니다. 구매자는 판매자가 판매량을 알지 못하도록 하며, 구매자의 수요 정보는 비공개입니다. 대규모 언어 모델 에이전트의 협상 능력을 평가하기 위해, 연구자들은 오픈아이, 구글, 알리바바의 9개의 대규모 언어 모델을 사용하여 9,840개의 대규모 언어 모델 간 협상을 수행했습니다. 결과에 따르면, 능력은 가치 창출을 결정하며, 에이전트들은 98.9%의 협상에서 동의하고, 첫 번째 최적 가치의 95.4%를 캡처하지만, 평균적으로 1.25보다 2.98 라운드가 필요하고, 이 지연은 21-34%의 가치를 감소시킵니다. 또한, 능력은 신뢰도도 결정하며, 기준 모델은 19.2%의 경우에 개별 비합리적인 계약을 수락하지만, 중간급과 최고급의 경우에는 0.0-0.6%로, 자동화된 이익 검증이 19.2% 이하의 임계값 아래에서 제한적인 대리인이 됩니다.

가치 캡처와 제공자 정체성

가치 캡처는 상대적이며, 제공자 정체성이 가치 캡처를 더 잘하는지 예측합니다. 예를 들어, 오픈아이의 경우 40%, 구글의 경우 50%, 알리바바의 경우 70%의 평균 가치를 캡처합니다. 이러한 순서가 제한된 통신과 할인 없이도 살아남고, 제공자 판매를 역전시키면 가치의 분할이 7-18% 포인트가 이동하고, 능력 있는 최고급은 가족간에 판매하는 가장 약한 판매자입니다. 또한, 지시문은 전략적 역할을 제공하며, 위임은 원리의 경제적 인내력을 에이전트의 지시된 전략적 인내력으로 분리시킵니다. 이 자유 배포 선택이 가치 분할의 단일 가장 강력한 동인은 90%의 설명된 변동량입니다.