When Machines Meet Each Other: Network Effects and the Strategic Role of History in Multi-Agent AI Systems
创建于 更新于
摘要
本文基于50个GPT-5多智能体在网络效应博弈中的实验，系统考察大型语言模型代理如何形成参与预期。结果显示，LLM代理未能达到经济学中的满足预期均衡，低价时低估参与，高价时高估参与，表现出持续的预期分散性。历史信息的呈现方式影响协调效果，单调历史有助于稳定预期，非单调历史加剧路径依赖。网络效应非直接驱动偏差，而是放大价格和异质性引起的偏差，历史则在调节这一过程。研究为理解多智能体AI系统中机器行为及其与经济均衡理论的差异提供了实证依据 [page::0][page::1][page::2][page::3][page::5][page::6][page::11][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::22][page::23]
