工程化极简：简单机制接口引导 LLM Agent 行为

arXiv:2609.36365v1 公告类型：新发布 摘要：交互格式与文本脚手架能否帮助大语言模型（LLM）Agent 做出更优决策？而更优的决策是否伴随着更优的解释？我们在拍卖与匹配机制中研究这些问题——这是具有明确规则与已知最优策略的多智能体环境。这些设定使我们能够在保留行为评估基准的同时，改变决策问题的呈现方式。借鉴人类行为学中关于简洁性的理论，我们比较了两种界面：一种要求一次性给出完整报价或完整排序，另一种采用序贯式交互，使安全选项更易于识别。随后，我们固定交互格式，单独改变推理脚手架与规则描述。在四个模型家族上，升序拍卖界面显著减少了报价偏离。匹配实验的比较也揭示了为何序贯式响应与完整排序需要不同的错误核算方式。列明收益关联情境、解释为何诚实报价是安全的做法同样能改善选择，而要求Agent逐轮规划匹配过程或推测对手信念的提示词则整体上有损表现。在拍卖中，这些行为层面的收益并未伴随Agent简短陈述计划中可测的战略理解言语指标的相应提升；另一些提示词虽改变了这些指标，却未能改善报价。我们的发现表明，源于人类行为的简洁性理论可为人工Agent的决策环境设计提供借鉴；同时也说明，评估脚手架应同时考察实际选择与解释——一方面的改进未必在另一方面显现。