本文基于动态供应链不对称信息讨价还价模型,以经过验证的完美贝叶斯均衡为基准,开展9,840次LLM对LLM谈判实验。研究发现,模型能力主要决定价值创造与合同可靠性,供应商身份决定剩余分配,而提示词中的沟通方式、折现框架和战略耐心则构成重要配置杠杆。LLM总体成交率达98.9%、实现95.4%的无折现一阶剩余,但谈判轮数显著高于理论基准,延迟在折现下侵蚀21%—34%的剩余;基准模型的非理性合同率则高达19.2%,表明自动利润核验是低能力模型部署的必要防线。
报告标题: When LLM Agents Negotiate: Private Information and Dynamic Bargaining in Supply Chains
作者: Chen Liang、Fasheng Xu
机构: University of Connecticut,School of Business
版本日期: 2026年7月(Current version)
研究主题: LLM智能体在供应链采购、动态讨价还价和不对称需求信息环境下的经济表现。报告并非传统股票研究,因此没有股票评级或目标价;其核心是为企业选择模型供应商、分配买卖角色以及设计提示词和风控机制提供实验依据。
报告研究一个经典供应链议价问题:买方掌握自身需求类型这一私人信息,卖方不知道买方类型,双方围绕数量 (q) 和付款 (T) 协商合同。研究将9个来自OpenAI、Google和Alibaba的模型,与经过验证的Perfect Bayesian Equilibrium(完全贝叶斯均衡,PBE)进行比较,并完成9,840次LLM对LLM谈判、31,592个谈判回合。 报告的三条主线可以概括为:
报告将LLM采购从“辅助决策工具”视为可能直接代表企业报价、让步和接受合同的自主谈判者。其关注点不是模型是否语言流畅,而是三个更具经营意义的问题:是否创造价值、价值分配是否可预测、是否会接受导致自身或企业亏损的合同。
这一问题具有现实背景。报告提到Walmart已使用Pactum的LLM智能体处理大量尾部采购合同,Arkestro、Globality和Fairmarkit也服务于大型企业采购;在消费者和跨境交易中,Alibaba的Accio和闲鱼相关代理同样体现了自动议价趋势。 当买卖双方都由智能体代理时,交易会变成规模化、机器对机器的谈判,任何效率提升或系统性错误都会被大量复制。
Rubinstein交替报价模型的核心是:双方轮流报价,等待会产生折损,越有耐心的一方通常能取得更高剩余份额。存在买方私人需求信息时,问题更复杂,因为卖方需要通过报价和买方行为进行筛选、信号识别和信念更新,理论基准就从完全信息均衡转为PBE。
本研究使用Feng等人(2015)的供应链动态议价模型。基础参数为零售价格 (r=60)、单位生产成本 (c=30),买方需求分为高类型和低类型,卖方拥有相等先验概率;双方最多谈判10轮,未达成协议时收益为零。 买方利润为预期零售收入减付款,卖方利润为付款减生产成本;如果第 (\tau) 轮达成协议,利润还会乘以各自折现因子。折现因子越低,延迟成本越高。
报告特别区分两种“耐心”:
在LLM代理环境中,一轮对话可能只需数秒,但企业审批、人工复核和供应链周期可能持续更久,因此两者不必相同。报告认为,企业可以把战略耐心当成部署时可调的参数,而不是简单照搬企业管理者的时间偏好。
核心实验是一个 (2\times2\times4) 因子设计,交叉考察:
每个条件在9个模型上重复15次,基准实验共2,160次谈判。 模型分为旗舰、中端和基础三个层级,涵盖GPT、Gemini和Qwen系列;其中GPT-4o-mini与Qwen2.5-14B是不具备显式推理能力的早期基础模型,而Gemini-2.5-Flash虽属基础层,却具备推理能力。
设计向模型公开价格、成本、需求分布、先验概率、折现因子和买方类型,但不直接告诉模型均衡策略、何时筛选类型或如何更新信念。因此,测试的是模型能否把已知经济规则转化为持续的战略行动,而不是能否从原始文本中发现游戏规则。
LLM代理的总体成交率为98.9%,实现的未折现剩余约为第一最佳剩余的95.4%;但平均需要2.98轮,而PBE基准只需1.25轮。 这意味着模型通常能够找到“相当不错”的数量和付款组合,却并不遵循理论上的快速、分支特定均衡路径。
未折现效率的4.56个百分点缺口可以进一步分解:
这说明主要问题并不是完全无法成交,而是模型倾向于停留在“足够好”的合同上,没有继续优化到理论最优。
图1左图展示未折现效率与平均成交轮次,右图展示计入折现后的效率与轮次。理论基准位于左上方,即约1.25轮、100%效率;所有模型都位于其右下方,表示它们同时更慢且效率略低。
未折现图中,旗舰模型总体接近100%,但模型层级并不能完全决定排名。Gemini-3-Pro以3.31轮和99.8%效率表现最好,GPT-5.2以2.68轮和98.2%效率成为较快的旗舰,Qwen3-Max则以3.75轮实现98.7%,效率高但速度最慢。Gemini-2.5-Flash只有基础层,却达到98.7%;相反,GPT-4o-mini仅84.6%。这说明“能力层级”能预测大致区域,但供应商和具体模型仍然影响效率。
右图将延迟成本纳入后,排名明显变化。Gemini-2.5-Flash和GPT-5.2分别达到79.3%和76.9%的折现效率,而Qwen3-Max虽有接近99%的未折现效率,却因3.75轮谈判跌至50.8%。因此,若采购谈判真的存在等待成本,最优模型不一定是未折现效率最高的模型,而可能是更快完成且效率略低的模型。
总体而言,模型层级表现为旗舰98.9%、中端96.4%、基础91.0%的未折现效率,但轮次却分别为3.25、2.93和2.75轮;旗舰模型更愿意通过报价—拒绝—再报价的迭代过程提高合同质量。报告据此将其解释为“能力越强,越能进行搜索”,而不是“能力越强,越快结束谈判”。
Shapley分解显示,在实验设计主动改变的效率差异中,能力约解释66%,而耐心仅解释约7%。这支持“能力是价值创造杠杆”的结论。 但从部署角度看,轮次和折现仍非常关键:整体折现后损失约33.8%的第一最佳剩余,在不同耐心配置下损失约25.3%至38.8%。
推理努力实验进一步表明,同一个GPT-5.2提高推理预算后,轮次从2.95降至2.53,折现效率从70.7%升至78.5%,但未折现效率和买方份额没有显著变化。 因此,更多推理主要改善“过程效率”,而不是系统性改变合同质量或分配立场。
报告把“非理性合同”定义为至少一方接受预期利润为负的合同,并强调这不是纯粹的经济推理测试,因为错误可能来自计算错误、约束检查失败或未遵守明确指令;但对企业而言,这些原因在结果上等价,都会造成不应签署的合同。
基础模型的非理性合同比例为19.2%,中端模型为0.6%,旗舰为0.0%。97.1%的非理性协议涉及基础模型。 买方的错误率为5.1%,高于卖方的1.4%;低需求买方为6.3%,高于高需求买方的3.9%,原因是低需求类型的利润空间更窄。
图2显示,风险高度集中在GPT-4o-mini和Qwen2.5-14B两个非推理基础模型。GPT-4o-mini整体错误率为36.2%,买方错误率33.9%;Qwen2.5-14B整体为20.0%,买卖双方均约10%。Gemini-2.5-Flash虽然也属基础层,但错误率只有2.9%,说明“是否具备推理能力”可能比名义上的层级标签更接近运营可靠性的实际分界线。
错误类型中,79.0%为买方收入计算错误,例如买方以40单位、付款2,400美元成交,但预期收入只有2,160.63美元;其余21.0%为卖方成本覆盖错误,例如卖方以45单位收款900美元,但生产成本为1,350美元。 报告因此提出:基础模型不能只依赖提示词约束,必须配合自动利润验证、负利润拦截和人工升级机制。
模型并非完全不理解信息结构。买方先报价时,高类型平均提出77.8单位,低类型平均提出41.6单位,接近理论上的高类型80、低类型40,且开价数量与最终数量的相关系数达到0.911。 卖方先报价时,卖方却平均提出60.5单位,接近高低类型需求的均值,而不是根据分支条件设计筛选菜单。这种“均值池化”导致卖方需要在后续轮次继续识别类型。
策略编码显示,低类型买方平均64.7%的谈判回合表现为传递类型信号,高类型仅21.9%;高类型模仿低类型的比例为13.8%,低类型仅1.3%,方向上符合理论:低类型需要证明自己不是高需求者,高类型则有动机隐藏信息、避免被卖方提取租金。
但模型没有正确捕捉动态比较静态。理论预期高类型在买方更不耐心时更倾向模仿,实验却发现最不耐心时模仿率最低,只有9.2%,而高耐心时为17.8%。 这表明模型能复制某些静态战略模式,却不能稳定地将其与耐心、继续价值等动态激励联系起来。
买方剩余份额是衡量分配的指标。Qwen模型平均买方份额约70%,范围为52.7%至91.4%;Gemini约50%,范围44.3%至53.9%;OpenAI约40%,整体偏向卖方。 因此,合并样本的53.5%买方平均份额掩盖了三种明显不同的供应商画像。
这不是简单的“模型越强越偏向某一方”。在同一OpenAI家族内,较强模型通常占据更大份额;例如GPT-5.2作为卖方时,买方份额为35.2%,GPT-5-mini作为卖方时则为52.3%。 但跨供应商比较时,能力排名可能被供应商风格完全覆盖:Qwen3-Max虽然是旗舰,却是跨家族谈判中最弱的卖方。
模型结果普遍没有实现PBE所预测的极端分配。在卖方耐心、买方不耐心的情况下,PBE只给买方约13%的剩余,但LLM买方实际得到40.2%;在买方耐心、卖方不耐心时,PBE接近91%,而LLM买方只有70.9%。 这意味着模型存在将剩余向相对平等分配拉回的倾向:它们既不充分惩罚不耐心的买方,也不完全奖励特别耐心的买方。
图3左图比较三个旗舰模型作为买方和卖方时自身占有的剩余。Gemini作为买方取得66.7%,作为卖方保留47.9%;GPT分别为54.7%和43.3%;Qwen作为买方取得60.1%,作为卖方仅保留27.3%。这说明Gemini在异质对手面前提取能力最强,Qwen作为卖方最容易让利。
右图显示同一对模型交换“谁当卖方”会产生显著变化。GPT—Gemini方向差异为11.3个百分点,Qwen—Gemini达到17.8个百分点,GPT—Qwen为7.3个百分点,均接近或达到同家族不同能力层级带来的约17个百分点差异。 其中,当Qwen卖给Gemini时,买方份额高达79.0%;当Gemini卖给Qwen时,买方份额降至61.2%。因此,供应商选择不是技术采购中的中性选择,而是实际的剩余分配决策。
跨家族效率仍然较高:GPT—Gemini为98.7%,Gemini—Qwen为96.5%,GPT—Qwen为95.1%。但Qwen卖方方向效率明显下降,Qwen卖给GPT时仅91.9%,卖给Gemini时94.0%;所有三次非理性合同也都发生在Qwen作为卖方时。 这显示Qwen的问题不是普遍的成交能力,而是卖方角色下的让利和执行弱点。
在只允许数字报价和接受/拒绝的结构化谈判中,成交率从98.9%降至96.4%,轮次从2.98升至3.15,未折现效率从95.4%降至92.8%。 因此,自然语言不仅是包装,也有助于协调和执行。
不过,供应商分配画像仍然存在,说明Provider偏向并非完全由语言修辞造成,而是嵌入数字报价和接受行为。更值得注意的是,不同供应商对语言的反应方向不同:删除语言后,GPT-5-mini买方份额从41.9%升至51.3%,而Gemini-3-Flash从51.4%降至45.9%。 因此,限制沟通并不会稳定地偏向买方或卖方。
没有折现因子提示时,未折现效率基本不变,但平均轮次从3.39升至4.02,首轮接受率从8.5%降至4.3%。 OpenAI、Google、Qwen的买方份额排序仍是OpenAI偏卖方、Google接近均衡、Qwen偏买方;非理性率也继续从基础到中端再到旗舰递减。 这说明折现语言主要是“节奏提示”,而不是产生供应商分配画像和可靠性梯度的根本原因。
在企业真实经济耐心为0.9时,买方若优化提示中的战略耐心,平均潜在收益增加74.81,卖方增加18.28;这证明提示中的耐心参数不能被视为无关紧要。
买方的最优设置高度依赖模型和角色:匹配真实耐心在36个条件中有20个最优,但只有4/9模型在平均意义上最优。GPT-4o-mini和GPT-5-mini分别通过把战略耐心降至0.7获得约278和234的收益提升。卖方则更稳定,9个模型平均都以匹配真实耐心为最佳。 当真实经济耐心下降至0.7时,卖方策略甚至可能倾向于在提示中夸大战略耐心至0.9。 该结果说明企业不能简单将“现实等待成本”原样写进提示词,而应按买卖角色、模型和对手环境进行回测优化。
报告的稳健性实验覆盖通信方式、折现提示、推理预算、利润规模、先验概率和模型大小。提高Qwen模型规模后,效率从94.1%升至98.7%,非理性率从5.4%降至0%,但谈判速度并不单调改善:32B模型平均3.26轮,反而比14B的4.28轮和Max的3.75轮更快。 这说明规模提升改善可靠性和合同质量,却不必然带来更快的谈判。
报告自身也明确承认若干限制。第一,提示词是角色特定且统一设计的,份额结果不是“脱离提示词的内在偏见”。第二,双方都知道彼此耐心参数,现实谈判中企业通常不会公开真实紧迫程度。第三,行为轨迹和策略标签主要由另一个LLM分类器识别,关于模仿、欺骗和公共—私人表达不一致的解释仍属描述性证据,而非完全识别的心理机制。
还需注意,报告将供应商身份与训练数据、对齐目标、后训练程序联系起来,但没有随机改变这些因素,因此不能据此断言因果来源。跨供应商比较也可能混入模型版本、推理能力、接口或系统提示差异。此外,实验采用固定价格、成本、需求分布和零外部选项,未涵盖多供应商竞争、关系合同、人工审批和真实违约风险。因此,具体的“Qwen 70%、Gemini 50%、OpenAI 40%”更适合被视为当前版本模型的校准结果,而非永久的供应商属性。
综合来看,报告并不支持“能力越强就必然是更好的谈判者”这一简单判断,而是提出三个相互独立的部署维度:
报告最重要的管理启示是:LLM代理的经济表现不能用语言能力或排行榜简单替代。企业必须分别审计模型的价值创造能力、供应商级分配风格和合同执行可靠性,并把提示词中的沟通方式、折现框架和战略耐心作为可调的经济参数。最终,真正的部署问题不是“智能体能否谈成交易”,而是“它谈成的交易是否是企业本来愿意授权的交易”。
2608.07538.pdf