博弈测试41个LLM可预测团队表现

一项被 COLM 2026 接收的研究测试了 41 个开源权重 LLM 的合作行为，并称博弈得出的合作画像能稳健预测这些模型在多智能体团队任务中的表现。 研究由 Shivani Kumar、Adarsh Bharathwaj、David Jurgens 完成，方法是让 41 个开源权重 LLM 参与六种行为经济学博弈，再观察它们组成的智能体团队在 AI for Science 任务中的表现——团队需在共享预算约束下协作分析数据、构建模型并产出科学报告。研究称博弈得出的合作画像与下游团队表现之间存在稳健的预测关系。 该结论针对的是受测的开源权重模型及其在特定共享预算约束任务中的表现，属于研究方报告的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。