对应2026年10月30日论文v1的作者报告期末EHI。交叉对战汇总、特定对手、消融和连续实验窗口采用不同协议。
从对话到实际贸易
六个合成国家就关税和贸易份额谈判。每轮模拟持续五年、含20次季度状态转移,每四个季度开放谈判。提案需通过参与方、商品、方向与可行性检查,签署后才改变状态;即便协议有效,出口产能不足仍可能导致交付落空。
TradeWar paper v1 — protocols and publisher results · TradeWar official repository
EHI衡量期末结果
主指标为最后一季度的经济健康指数,保留论文0–100分尺度。标准化GDP增长和贸易平衡各占0.20,失业、通胀、出口目标完成度和进口目标完成度各占0.15。协议达成率、GDP增长和目标完成率是另外的诊断指标,不能替代EHI。
TradeWar paper v1 — protocols and publisher results · TradeWar official EHI definition
代理与对手的匹配方式
基线研究共100局,采用三对三国家分配,每个有序对手组合运行五轮。全部LLM代理使用GPT-4o-mini、温度0.3、max_tokens 1000及统一的结构化CoT接口。Random和RuleBased不使用LLM。成绩保留对手池或具体对手,不把框架差异当作基础模型能力更新。
单独理解连续适应实验
面对固定PromptLLM对手,各方法在三个种子下连续运行20轮。TACTIC保留由结算结果更新的策略;TACTIC-static和MemoryLLM在轮间重置。论文报告最初和最后三个轮次的均值。冲击测试每种条件使用12轮镜像配对实验,因此基线不同于主要交叉对战表。
模拟器的适用边界
EHI是固定权重的评测汇总分,不是福利指标、预测或现实政策建议。国家角色、权重与延迟反馈会偏向特定策略,且环境和TACTIC同期提出。单一基础模型和有限实验轮数不足以建立通用代理排名。
TradeWar paper v1 — protocols and publisher results · TradeWar official EHI definition
公开材料实际覆盖范围
作者仓库可访问,但Artifact Scope明确排除了TACTIC、LLM基线、完整实验运行器及生成结果日志。其声明覆盖评测机制与非LLM参考策略,并不能复现论文全部实验。本页将数值保留为作者报告,同时直接链接这一公开范围说明。
TradeWar official artifact inclusion and exclusion scope · TradeWar paper v1 — protocols and publisher results
主要交叉对战结果
表2汇总同一100局对手池。除主指标期末EHI外,保留协议、GDP及目标完成诊断值。
| 代理 | 达成协议% | 期末EHI×100 | GDP % | 目标完成% |
|---|---|---|---|---|
| Random | 15 | 38.4 | -0.6 | 9.2 |
| RuleBased | 35 | 46.9 | 0.5 | 28.4 |
| PromptLLM | 75 | 57.1 | 1.3 | 43.6 |
| MemoryLLM | 80 | 60.2 | 2.1 | 54.8 |
| TACTIC | 85 | 68.8 | 4.0 | 71.3 |
无冲击基线,3v3国家、五年20季度。LLM代理统一使用GPT-4o-mini、温度0.3和max_tokens 1000;Random和RuleBased不使用LLM。
累计模块消融
表3在基线交叉对战协议下逐步加入模块。最后一行Full TACTIC与主表TACTIC重复,主成绩中不重复计数。
| 配置 | 期末EHI×100 | GDP % | 目标完成% |
|---|---|---|---|
| No adaptive modules | 51.6 | 0.8 | 32.1 |
| + Experience Memory | 55.3 | 1.4 | 38.7 |
| + Opponent Modeling | 59.0 | 1.9 | 47.4 |
| TACTIC w/o Reflection (memory + opponent + planning) | 63.9 | 2.7 | 56.2 |
| Full TACTIC (+ structured reflection) | 68.8 | 4.0 | 71.3 |
结果依赖模块加入顺序。零模块行仍保留统一CoT及动作阶段框架,并非把PromptLLM改名。
按对手划分的交叉对战
图4给出20个非对角线组合。被测代理和对手各控制三个国家;这些对手条件化结果不是整体成绩。
| 被测代理 | 对手 | 期末EHI×100(样本标准差) |
|---|---|---|
| Random | RuleBased | 47.2 (sample SD 4.1) |
| Random | PromptLLM | 41.5 (sample SD 2.8) |
| Random | MemoryLLM | 34.8 (sample SD 3.6) |
| Random | TACTIC | 30.1 (sample SD 2.3) |
| RuleBased | Random | 54.9 (sample SD 3.2) |
| RuleBased | PromptLLM | 47.3 (sample SD 4.8) |
| RuleBased | MemoryLLM | 47.8 (sample SD 2.6) |
| RuleBased | TACTIC | 37.6 (sample SD 3.9) |
| PromptLLM | Random | 72.6 (sample SD 5.1) |
| PromptLLM | RuleBased | 52.4 (sample SD 4.4) |
| PromptLLM | MemoryLLM | 58.0 (sample SD 3.3) |
| PromptLLM | TACTIC | 45.4 (sample SD 4.2) |
| MemoryLLM | Random | 62.8 (sample SD 2.9) |
| MemoryLLM | RuleBased | 65.4 (sample SD 4.6) |
| MemoryLLM | PromptLLM | 58.3 (sample SD 3.8) |
| MemoryLLM | TACTIC | 54.3 (sample SD 2.4) |
| TACTIC | Random | 75.9 (sample SD 3.1) |
| TACTIC | RuleBased | 63.1 (sample SD 4.0) |
| TACTIC | PromptLLM | 71.2 (sample SD 2.7) |
| TACTIC | MemoryLLM | 65.0 (sample SD 3.5) |
每个有序组合五轮。数值直接读取作者热力图;不包含同一代理对战自身。
连续实验的阶段端点
第5.2节明确报告以下最初/最后三个轮次均值。对手和国家分配保持固定,不与交叉对战的对手池混用。
| 代理 | 轮次窗口 | 平均期末EHI×100 |
|---|---|---|
| TACTIC-static | 1-3 | 58.4 |
| TACTIC | 1-3 | 58.2 |
| MemoryLLM | 18-20 | 62.5 |
| TACTIC-static | 18-20 | 65.2 |
| TACTIC | 18-20 | 73.2 |
三个独立种子,每方法每种子20轮,对手固定PromptLLM。TACTIC保留更新,TACTIC-static和MemoryLLM轮间重置;不估读曲线上的未标注坐标。
冲击下的相对降幅
第5.2节使用各代理在压力测试中自身匹配的无冲击基线,报告EHI相对下降比例。降幅较小代表退化较少,并不直接等于绝对EHI更高。
| 代理 | 技术限制:下降% | 能源危机:下降% |
|---|---|---|
| TACTIC | 16.7 | 25.3 |
| MemoryLLM | 29.6 | 38.1 |
| PromptLLM | 32.2 | 42.3 |
每种条件12轮镜像配对(六个种子与反向国家分配)。相对降幅是另一指标,不从这些百分数反推出绝对EHI。