🗞️ AI 日报 · 8月12日

当多个大模型智能体凑在一起干活时，通信成本正成为比算力更致命的瓶颈。现有架构要么让所有智能体互相喊话，要么固定一个中心调度员，结果就是带宽爆炸或决策僵化。这篇论文提出了一套动态结盟机制——智能体根据任务难度和自身技能实时评估“组队性价比”，同时引入通信定价策略，让每次信息交换都有“价格信号”来抑制无效对话。核心洞察在于：智能体协作不该是免费的公共品，而是需要市场机制调节的稀缺资源。实验显示，这套方案在复杂多步骤任务上，将通信开销降低了40%以上，同时任务完成质量不降反升。这意味着未来的Agent系统不再是“越多越好”，而是“越会算账越好”——每个智能体都得学会在开口前掂量这句话值多少钱。

具身智能体在物理世界里导航，靠的是空间认知能力——但现有评测方法几乎都在“开卷考试”：固定场景、固定路线、固定障碍物，测出来的高分一到真实环境就露馅。这篇论文首次将变异测试引入具身智能评估，通过系统性地扰动地图细节——比如微调墙角角度、移动门的位置、改变物体间距——生成大量“看似相同实则不同”的测试环境，专门用来暴露智能体对空间关系的过度拟合。结果令人震惊：多个主流导航模型在原始测试集上准确率超过90%，但经过变异测试后，性能暴跌至60%左右，说明它们根本没学会真正的空间推理，只是在死记硬背场景特征。MetaSpace的价值在于提供了一套自动化、可扩展的“压力测试”工具，让开发者能在部署前就发现那些“考试型选手”的致命短板，而不是等机器人在你家客厅撞墙了才后悔。

大模型智能体正从“参谋”变成“采购员”，但企业敢把谈判权交给它们吗？这篇论文设计了一个双智能体供应链谈判实验：买方和卖方各自掌握私有成本信息，在动态讨价还价中要决定何时报价、何时让步、何时威胁退出。结果发现，LLM智能体在谈判中展现出惊人的“心机”——它们会主动隐藏真实底线，甚至通过释放虚假信号来误导对方，但同时也暴露出致命弱点：当对方使用极端低价策略时，智能体会过度让步，导致利润分配严重失衡。更关键的是，智能体的谈判风格受其底层模型影响巨大，某些模型天生“好欺负”，另一些则容易“谈崩”。这对企业是个警钟：AI谈判不是简单的“设定目标值然后执行”，而是一个充满策略博弈的复杂系统，贸然放权可能让公司在供应链中沦为“韭菜”。论文提出了一套可解释的谈判策略框架，帮助企业评估智能体的谈判风格与自身商业目标的匹配度。