通过多智能体虚拟博弈增强大型语言模型的决策能力

基于大语言模型的多智能体系统在解决执行复杂性任务上表现优异，但在需多方同时推理且决策相互依赖的现实决策任务中表现不足。本文将此挑战定义为“立场纠缠”，并提出多智能体虚拟博弈（MAFP）范式。该方法将利益相关者立场建模为智能体，基于虚拟博弈原理，通过迭代响应其他智能体历史决策的经验混合来更新策略。实验表明，MAFP 在竞赛强度和鲁棒性指标上均优于基线，有效解决了立场纠缠问题。