评估自然语言中的理性缔约能力：ContractSim 揭示 LLM 智能体合同谈判与执行缺陷

研究者提出一个理性框架，用于衡量 AI 智能体在不确定多步环境中如何谈判与执行自然语言合同，并据此构建了评估套件 ContractSim。在该套件中，两名玩家需就多轮供应商合同进行谈判与执行；结果显示，LLM 智能体在环境不确定性低时能达成高效合同，但在高不确定性下往往无法谈成可满足、高效或互利的合同，甚至不如启发式基线。执行阶段，LLM 智能体也常不合作，即使合同容易满足也会为额外利润违约。