牲畜交易：用于评估大语言模型虚张声势、竞价与议价能力的多智能体基准

本文提出“牲畜交易”基准，旨在评估大语言模型在不完全信息、对抗性交互及资源约束下的战略推理能力。该基准将拍卖、隐藏报价交易、议价、虚张声势、对手建模及资源分配整合于单一长程博弈中。研究评估了七种语言模型与三种代码代理，发现战略连贯性（如支出效率与资源纪律）比单一技能更能决定排名。实验揭示了大语言模型在过度竞价、自我竞价及对手状态适应等方面的典型失败模式，强调了在多智能体冲突环境中联合部署多种能力的重要性。