Crystal Qian Kehang Zhu John Horton Benjamin S. Manning Vivian Tsai et al

الملخص

تُنقل المهام التنسيقية التقليدية التي كانت تُؤدى سابقًا من قبل البشر بشكل متزايد إلى الوكلاء المستقلين. ومع استمرار هذا الاتجاه، أصبح من الضروري تقييم أداء هذه الوكلاء ليس فقط من حيث النتائج، بل أيضًا من حيث العمليات التي يعتمدونها في التفاوض ضمن بيئات متعددة الوكلاء ديناميكية. علاوة على ذلك، تُظهر الوكلاء المختلفة مزايا متميزة: فعلى سبيل المثال، قد تتفوّق الوكلاء الإحصائيون التقليديون، مثل النماذج بايزية، في ظل ظروف محددة بدقة، بينما تتمتع نماذج اللغات الكبيرة (LLMs) بقدرتها على التعميم عبر السياقات المختلفة. في هذا العمل، نقارن بين البشر (N = 216) ونماذج اللغات الكبيرة (GPT-4o، Gemini 1.5 Pro) والوكلاء بايزية في بيئة تفاوض ديناميكية تتيح مقارنات مباشرة وبنفس الشروط بين المجموعات، مما يسمح بتسجيل كل من النتائج والديناميكيات السلوكية. تُظهر الوكلاء بايزية تحقيق أعلى عائد (Surplus) من خلال تحسين جريء، على حساب تكرار رفض الصفقات. في المقابل، يمكن للبشر ونماذج اللغات الكبيرة تحقيق عائد إجمالي مشابه، ولكن من خلال سلوكيات مختلفة: إذ يميل نماذج اللغات الكبيرة إلى اعتماد صفقات واقعية ومتنازلة مع عدد قليل من الرفض، بينما يعتمد البشر سلوكيات أكثر استراتيجية، وتحملًا للخطر، ومراعاةً للعدالة. وهكذا، نستنتج أن التكافؤ في الأداء — وهو معيار شائع في تقييم الوكلاء — قد يُخفي فروق جوهرية في العمليات والتوافق (Alignment)، وهي عوامل حاسمة لتطبيق هذه الوكلاء عمليًا في مهام التنسيق الواقعية.