MIT 论文：LLM 智能体在规则以简单步骤呈现时决策更好

MIT 新论文：当选择以简单步骤呈现，或直接说明规则下的安全操作时，LLM 智能体的决策表现更好；而被要求揣摩对手意图时，表现则更差。

为人类竞拍者设计的市场设计经验法则同样适用于 LLM 智能体，因此我们可以直接借用这些法则，而不必发明新的提示技巧。

在这些拍卖和匹配博弈中，如实出价和如实排序始终是最优策略。GPT-4o、Claude、Gemini 和 Gemma 仍然存在压价行为，往往是为了保留利润空间。

在价格上涨、只需简单选择留下或退出的场景中，Gemma 的出价从低于其价值 5.30 美元改善为仅低 0.30 美元。一条说明「拒绝只会重新导向」的一行提示，就将匹配错误率从 4.2% 降至 0.2%。

先规范格式并陈述关键事实，再加入推理提示；评判智能体要看它们的实际选择，因为它们书面计划中并未体现出这些改进。

智能体提示应陈述规则事实，而非要求更多思考，因为事实能改善选择，而思考类提示往往反而增加错误。