ALYMPICS: LLM Agents Meet Game Theory — Exploring Strategic Decision-Making with AI Agents

要約

この論文では、ゲーム理論研究のための大規模言語モデル (LLM) エージェントを利用した体系的なシミュレーション フレームワークである Alympics (Olympics for Agents) を紹介します。
Alympics は、複雑なゲーム理論の問題を研究するための多用途のプラットフォームを作成し、LLM エージェントとの人間のような戦略的相互作用をシミュレートするための制御された環境を提供することで、理論的なゲーム理論と実証的調査の間のギャップを橋渡しします。
私たちのパイロットケーススタディである「水割り当てチャレンジ」では、希少な生存資源をめぐる複数ラウンドのオークションに焦点を当てた挑戦的な戦略ゲームを通じてオリンピックを探求します。
この研究は、ゲームの決定要因、戦略、結果を定性的および定量的に分析するフレームワークの能力を実証しています。
さらに、戦略的意思決定シナリオにおいて、包括的な人的評価と LLM エージェントの詳細な評価を実施します。
私たちの発見は、LLMエージェントが人間の戦略的行動を模倣する能力について理解を広げるだけでなく、ゲーム理論の知識を進歩させる潜在力を強調し、それによってゲーム理論の両方についての理解を深め、LLMエージェントを使用した戦略的意思決定領域のさらなる研究を可能にします。
コード、プロンプト、およびすべての関連リソースは、https://github.com/microsoft/Alympics で入手できます。

要約(オリジナル)

This paper introduces Alympics (Olympics for Agents), a systematic simulation framework utilizing Large Language Model (LLM) agents for game theory research. Alympics creates a versatile platform for studying complex game theory problems, bridging the gap between theoretical game theory and empirical investigations by providing a controlled environment for simulating human-like strategic interactions with LLM agents. In our pilot case study, the ‘Water Allocation Challenge,’ we explore Alympics through a challenging strategic game focused on the multi-round auction on scarce survival resources. This study demonstrates the framework’s ability to qualitatively and quantitatively analyze game determinants, strategies, and outcomes. Additionally, we conduct a comprehensive human assessment and an in-depth evaluation of LLM agents in strategic decision-making scenarios. Our findings not only expand the understanding of LLM agents’ proficiency in emulating human strategic behavior but also highlight their potential in advancing game theory knowledge, thereby enriching our understanding of both game theory and empowering further research into strategic decision-making domains with LLM agents. Codes, prompts, and all related resources are available at https://github.com/microsoft/Alympics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google