Phase 16: Multi-Agent & Swarms

Negociação e negociação

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 16 · 02 (FIPA-ACL Heritage), Phase 16 · 09 (Parallel Swarm Networks)

Time: ~75 minutes

Problemas

Os dois agentes precisam concordar em um preço. Deixados para si mesmos com indicações de linguagem pura, os LLM 2024-2026 fecham negócios a taxas surpreendentemente baixas (~ 27% em negócios com parâmetros apertados em arXiv:2402.15813).

O problema principal é que os LLM misturam dois trabalhos decidindo a oferta e narrando a oferta. OG-Narrator separou estes: um gerador de oferta determinista calcula os movimentos numéricos; o LLM apenas narra.

O protocolo de contrato (FIPA, 1996; Smith, 1980) é o mecanismo de referência do mercado de tarefas.

Conceptos

Contrato Net, num parágrafo

O Protocolo de Contratação Net de Smith de 1980: a managerTransmissão de televisão call for proposals (cfp)- O que é ?biddersResponder com proposemensagens que contêm as suas ofertas; o gerente escolhe um vencedor e envia accept-proposalpara o vencedor e reject-proposalO vencedor faz o trabalho.refuseA FIPA codificou isto como:fipa-contract-netProtocolo de interação.

Por que o OG-Narrador ganha

"Messuring Negotiating Abilities of Language Models" (arXiv:2402.15813) observou que:

• As LLM frequentemente infringem as regras de negociação (oferta a preços sem sentido, ignorar o ZOPA do outro lado).
• Eles ancoram mal (aceitam ofertas iniciais ruins; contra-oferta em quantidades simbólicas em vez de estratégicas).
• Os modelos maiores tornam a linguagem mais plausível com erros estratégicos semelhantes.

A decomposição do OG-Narrador:

Copy           ┌──────────────────┐        ┌──────────────────┐
  state  → │ offer generator  │ price → │  LLM narrator    │ → message
           │  (deterministic) │        │  (writes the     │
           │                  │        │   human-style    │
           └──────────────────┘        │   accompaniment) │
                                       └──────────────────┘

O gerador de ofertas é uma estratégia de negociação clássica: um modelo de negociação de Rubinstein, uma estratégia Zeuthen, ou um simples tit-for-tat sobre o preço.

A taxa de negócios aumenta porque:

• Os preços permanecem na zona de negociação.
• Ancores são estratégicos, não emocionais.
• O LLM faz o que é bom: escrever.

NegociaçãoConstatos da Arena

O arXiv:2402.05863 fornece o índice de referência canônico.

• As LLM podem melhorar os salários ~20% adotando personas ("Estou desesperado por vender isso até sexta-feira") Manipulação de persona é uma tática real.
• Os agentes justos/cooperativos são explorados por agentes adversários; a defesa exige uma contraposta explícita.
• Os paramentos simétricos convergem a resultados inegais em cerca de 40% dos cenários de referência.

Não é "os LLM são maus negociadores". É "os LLM negociam muito como os humanos, incluindo as partes exploráveis".

O ocultamento da cadeia de pensamentos

A Grande Concurso de Negociação Autônoma (arXiv:2503.06416) realizou cerca de 180 mil negociações em muitas estratégias de LLM. Os vencedores ocultaram seu raciocínio de seus colegas:

• Se um agente imprimir "Eu só vou para o$75; my reservation price is $70" num raspadinho visível ao público, o adversário lê-o.
• Os vencedores compute estratégia em privado; o canal de saída contém apenas a oferta e a narrativa mínima necessária.

Este é um eco de 2026 da teoria clássica do jogo (Aumann 1976 sobre racionalidade e informação): revelar a sua avaliação privada custos de pagamento. LLM não intuir isso e felizmente digitar suas reservas em rastros de raciocínio que tornam-se visíveis para a contraparte.

Engenharia takeaway: separar o contexto privado-scratchpad do contexto de mensagem pública. Não opcional.

Bhattacharya et al. 2025 classificações de modelos

Em relação às métricas do Projeto de Negociação de Harvard (negociação em princípio, respeito pela BATNA, reciprocidade de interesses):

• Llama-3foi mais eficaz em negociações (taxa de transacção + pagamento).
• Claude-3O Conselho Europeu de Ministros dos Negócios Estrangeiros (CEC) defendeu que a Comissão não pode, em qualquer caso, fazer qualquer intervenção para que o Conselho possa tomar medidas para evitar que a situação seja prejudicada.
• GPT-4foi a mais justa (menos variação de pagamento entre as paradas).

Este é um snapshot de 2025. O ponto não é qual modelo vence em abril de 2026 é que diferentes modelos base têm estilos de negociação persistentes. Ensembles heterogêneos (Lessão 15) incluem isso como uma fonte de diversidade.

A atribuição de tarefas através de contrato líquido + MLL

A reutilização moderna de Contract Net para LLM multi-agente:

1. O agente gerente decompõe uma tarefa em unidades.
2. Transmissões cfpCom descrição da tarefa aos agentes dos trabalhadores.
3. Cada trabalhador retorna uma oferta: (price, eta, confidence)onde o preço pode ser tokens, unidades de cálculo ou dólares.
4. O gerente seleciona os vencedores (singular ou múltiplos, dependendo da tarefa) e os prémios.
5. Os trabalhadores recusados são livres para fazer propostas para outras tarefas.

Esta escala ultrapassa bem 100 trabalhadores porque a coordenação é de transmissão e resposta, não de chat sincrono.

Negociação interativa entre as partes interessadas da MLL

NeurIPS 2024 (https://proceedings.neurips.cc/paper_files/paper/2024/file/984dd3db213db2d1454a163b65b84d08-Paper-Datasets_and_Benchmarks_Track.pdf) introduz jogos multipartícios marcáveis com secret scoresE ...minimum-acceptance thresholds. Cada parte interessada tem serviços públicos privados; o LLM deve inferir-los a partir de mensagens. Esta é a generalização da negociação bipartidária para a formação de coalizões de partidos N. Relevante para mercados de tarefas de produção com capacidades trabalhadoras heterogêneas.

A regra narrativa contra o mecanismo

Em todas as referências de negociação de 2024 a 2026, a regra de engenharia consistente é:

Deixe o LLM narrar, não deixe o LLM calcular a oferta.

Se a oferta precisar ser um número (preço, ETA, quantidade), gerá-la deterministicamente a partir do estado de negociação e faça com que o LLM produza a enquadramento.

Construí-lo

code/main.pyImplementos:

• ContractNetManager- Não .ContractNetTask- Não .Bid gerente + licitantes, emissões de televisão, recolha de propostas, concessão.
• og_narrator_bargain(state, rng) Comprador OG-Narrador: concessão determinista de estilo Zeuthen em direção ao ponto médio.
• seller_response(state, rng) política determinista de contra-oferta do vendedor (a verdade estrutural para ambos os estilos).
• naive_llm_bargain(state, rng) simula uma negociação de LLM: escolhe preços com alta variação, muitas vezes fora da ZOPA.
• Medida: taxa de transacção em mais de 1000 ensaios, com preços de reserva frescos recolhidos em amostra por ensaio.

• Correr .

Copypython3 code/main.py

Resultado esperado: taxa de negócio naívo-LLM ~65-75%; taxa de negócio OG-Narrador ~85-95%; a diferença de 15-25 pontos é a vantagem estrutural de decompor a geração de ofertas da narração.

Usá-lo

outputs/skill-bargainer-designer.mdDesenha um protocolo de negociação: quem gera ofertas (determinista ou LLM), quem narra, como os scratchpads privados se separam das mensagens públicas e como a taxa de negócios é monitorada.

Envia-o

Lista de verificação de negociações de produção:

• Separate scratchpad.O Estado privado nunca chega ao contexto da contraparte.
• Deterministic offer generation.Preços, quantidades, datas de chegada: calcular, não pedir.
• Validate all incoming offersRejeitar ofertas fora do ZOPA na fronteira do protocolo.
• Bound rounds.3-5 tiros no máximo; escala para mediador em um impasse.
• Measure deal rate and payoff varianceUma taxa de negócios em queda é um sintoma, muitas vezes uma deriva rápida ou um ataque do lado da contraparte.
• Log all rejected proposalsPara os gestores da Rede de Contratos, os licitadores perdedores precisam entender o porquê.

Exercícios

1. Corra .code/main.pyConfirme que o OG-Narrador supera o LLM na taxa de negócios.
2. Implementação persona-based payoff improvementO comprador adota um "desesperado para comprar esta semana" personalidade apenas na narrativa, oferece gerador inalterado.
3. Implementar a cadeia de pensamento concealmentO que acontece se você o vazar acidentalmente (simulação trocando os canais)?
4. Extenda o contrato líquido para o leilão de N-adjudicador com preço de reserva. Quando todas as ofertas excederem a reserva, como o gerente decide entre o preço mais baixo e a mais alta qualidade?
5. Leia Bhattacharya et al. 2025 sobre as métricas do Projeto de Negociação de Harvard. Implemente dois negociadores com estilos diferentes (agressivo vs justo).

Termos-chave

Mais leitura

• NegotiationArena o índice de referência; constatações de manipulação e exploração de pessoas
• Measuring Bargaining Abilities of Language Models OG-Narrador e o resultado de comprador-mais duro do que vendedor
• Large-Scale Autonomous Negotiation Competition ~ 180 mil negociações; a ocultação da cadeia de pensamentos ganha
• LLM-Stakeholders Interactive Negotiation (NeurIPS 2024) Jogos multi-partidários marcadores com utilitários secretos
• Smith 1980 — The Contract Net Protocol o mecanismo clássico, IEEE Transações em Computadores

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.