斯坦福新论文：信息越多，部分 LLM 智能体交易表现反而变差

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/8 06:05:13

全景综述与最新动态

1 家信源交叉印证

斯坦福新论文在交易、议价与双向拍卖场景中测试 10 个前沿 LLM 智能体，仅改变私有估值信息的披露精度。结果显示信息增量并非普遍有益：精确估值让 GPT-6 Sol 的收益占比从 98% 降至 91%，却让 Claude Sonnet 5 从 72% 升至 86%；拍卖中完全披露反而推高报价，Grok 4.7 从 97% 跌至 62%。结论是多智能体系统需按模型特性设计信息可见性规则。

最新动向/斯坦福新论文在交易、议价与双向拍卖场景中测试 10 个前沿 LLM 智能体，仅改变私有估值信息的披露精度。结果显示信息增量并非普遍有益：精确估值让 GPT-6 Sol 的收益占比从 98% 降至 91%，却让 Claude Sonnet 5 从 72% 升至 86%；拍卖中完全披露反而推高报价，Grok 4.7 从 97% 跌至 62%。结论是多智能体系统需按模型特性设计信息可见性规则。

逐小时热度走势

2 个完整观测小时

连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先

Rohan Paul (@rohanpaul_ai)T211月8日 06:05·74 分
斯坦福新论文：信息越多，部分 LLM 智能体交易表现反而变差
原标题：New Stanford paper shows that more information helps some LLM agents trade better and hurts others, ...
- 信息增量对 LLM 智能体收益的影响方向取决于具体模型，不存在普适的“信息越多越好”
- 拍卖场景中完全披露私有估值会推高报价并显著降低部分模型的收益份额
- 部署交易类智能体时应联合测试模型选择与信息披露粒度
查看关联报道与研判原始网页