提示优化使大语言模型智能体实现稳定的算法共谋

市场中的大语言模型智能体存在算法共谋风险。现有研究多关注手工设计的提示，而新兴的提示优化范式亟需新方法以理解自主智能体行为。本文调查了提示优化是否会在市场模拟中引发涌现的共谋行为。我们提出一种元学习循环，让智能体参与双寡头市场，并由元优化器迭代精炼共享战略指导。实验表明，元提示优化使智能体能发现稳定的隐性共谋策略，协调质量显著优于基线。这些行为可泛化至未见测试市场，表明发现了通用协调原则。分析显示演化后的提示通过稳定共享策略实现了系统化协调机制。