多智能體虛構博弈：大型語言模型增強複雜決策制定的新範式

本文針對大型語言模型在多智能體系統中處理決策任務的局限性，提出了多智能體虛構博弈（MAFP）框架。現有系統擅長透過分解任務解決執行複雜性，但在涉及多方利害關係者相互依賴的決策場景中表現不足，作者將此挑戰定義為「立場糾纏」。MAFP 借鑑博弈論中的虛構博弈原理，將利害關係者的立場建模為智能體，透過迭代更新各智能體的決策以回應其他智能體過去決策的經驗混合，從而尋求納什均衡。實驗表明，MAFP 在錦標賽強度和魯棒性兩個關鍵指標上均優於單輪和多輪基線方法，有效解決了立場糾纏問題，顯著提升了決策質量與魯棒性。