dair_ai· @dair_ai · X·· 4 小时前AI 评分
Google DeepMind 论文：AI 智能体市场拍卖效率分析
Google DeepMind 论文研究了 AI 智能体通过一价拍卖竞标回答用户 prompt 的市场机制，每个智能体按预期收益减推理成本出价。论文指出两个特性使效率损失较小：当多个智能体对 prompt 估值接近（如强模型蒸馏为更便宜模型）时，竞争限制损失；当估值主要取决于 prompt 难度时，效率接近最优的 1 - 1/e^2，远高于一般下界 1 - 1/e。
Google DeepMind 的一篇精彩论文。
他们研究了一个市场，其中 AI 智能体通过竞价来回答每个用户提示。
每个智能体的出价为其预期回报减去推理成本。第一价格拍卖运行简单，但竞标者会压低出价，因此提示可能会被分配给一个本不会产生最大价值的智能体。
论文展示了智能体市场的两个特征，使得这种损失很小。当多个智能体对提示的估值接近最高者时——例如因为强模型被蒸馏成更便宜的模型——竞争会限制损失。当估值主要取决于提示的难度时，效率接近最优的 1 - 1/e^2，远高于一般界限 1 - 1/e。
他们发现，在 EmbedLLM 路由数据集上的模拟结果与理论相符。
arxiv.org/abs/2610.20587
Chat with Paper: academy.dair.ai/papers/price…
来源：dair_ai · x.com