LemonadeBench: Evaluating the Economic Intuition of Large Language Models in Simple Markets

创建于 2026-02-17T12:36:38.636544+08:00 更新于 2026-02-17T13:08:51.187982+08:00

摘要

本论文提出 LemonadeBench v0.5 —— 一个通过 30 天柠檬水摊仿真评估大型语言模型在经济直觉、长期规划与不确定性决策能力的基准。所有被测模型均能盈利，但表现随模型能力剧增，最优模型达到理论最优约70%，且普遍存在“局部最优/专精化”行为（常见盲点为系统性低估定价与库存/缺货管理）[page::0][page::8]

速读内容

深度阅读