AI 不会合作？那是因为他们没见过市场经济｜Hao 好聊趋势

📌 一句话摘要

本文从多篇前沿研究出发，论证当前 LLM 因训练范式（单体 MDP）而天生缺乏合作能力，并提出以市场机制（拍卖、桶旅式支付、经济自然选择）替代中央编排，作为让多 Agent 系统涌现合作的有效路径。

📝 详细摘要

文章围绕「AI 为何不合作」与「如何让 AI 学会合作」两个核心问题展开。首先引用 2026 年多项研究（北卡大学、UIUC、斯坦福、Google DeepMind）揭示现状：多 Agent 系统失败率高达 41%-87%，核心原因并非模型能力不足，而是协调崩溃与趋同推理；能力越强的模型（如 o3）反而合作能力越差，根源在于当前 LLM 的训练过程本质上是「单人游戏」（MDP），从未面对过真正的他者，形成「唯我论」认知架构。接着，文章批判了当下主流的 Orchestrator-Worker 架构，将其类比为「计划经济」，指出其面临分工悖论、信用分配失灵和哈耶克「知识分散诅咒」三大结构性困境。最后，重点介绍哈佛与 MIT 的《Economy of Minds》论文，该论文提出一个无编排的「自由市场」系统，通过拍卖、桶旅式信用分配、经济自然选择与新手保护四个机制，让 Agent 在自利行为中涌现合作，在 MATH、HumanEval、ALFWorld 等基准上显著超越单 Agent 与编排式系统，并从理论上证明了市场机制可渐近达到全知编排者的最优配置。文章结尾指出该方向的简化局限与未来拓展空间，并断言多 Agent 系统的出路在于「设计合作条件」而非「设计合作结果」。

💡 主要观点

- 当前 LLM 因训练范式（MDP）而天生缺乏合作能力，形成「唯我论」认知架构。 预训练与后训练都是单体优化，模型从未在「他者存在」的环境中学习，导致部署到多 Agent 环境时自动进入零和博弈模式，能力越强合作越差。

Orchestrator-Worker 架构本质是「计划经济」，面临分工悖论、信用分配失灵与知识分散诅咒三大困境。 中央编排者无法完整收集分散的私有知识，且编排本身消耗算力而不产生信息增益，在同等预算下表现不如单 Agent。

市场机制（拍卖+桶旅式支付+经济自然选择+新手保护）可替代中央编排，让合作在自利行为中涌现。 《Economy of Minds》证明，无编排的市场系统在多个基准上超越单 Agent 与编排式系统，且理论上可渐近达到全知编排者的最优配置。

专才 Agent 在市场中会自然淘汰通才，形成专业化分工。 通才因能力摊薄而在每个领域输给专才，持续亏损后破产；专才则通过持续赢得拍卖积累财富并被克隆，形成专业化族群。

多 Agent 系统的出路在于「设计合作条件」而非「设计合作结果」。 与其通过更复杂的编排协议强制合作，不如设计一个合作有利可图、不合作会破产的生态，让合作能力在经济压力下自然涌现。

💬 文章金句

- 如果你想让不会合作的 AI 学会合作，不要给它们写剧本，给它们一个市场。

• 当前所有主流 LLM 的训练过程，从预训练到后训练，在形式上都是 MDP，本质上都在日复一日地「打老虎机」。
• 计划经济的理论上限（全知全能的中央规划者能达到的最优配置），就是市场经济在足够时间后会收敛到的均衡态。
• 通才把能力摊薄在所有领域上，每个方向都只能浅尝辄止；专才则把全部预算压在一个方向，做到极致。
• 这是从「设计合作结果」到「设计合作条件」的范式转移。

📊 文章信息

AI 初评：92

来源：腾讯科技

作者：腾讯科技

分类：人工智能

语言：中文

阅读时间：31 分钟

字数：7696

标签： AI Agent, 多智能体系统, LLM, AI 研究, AI 架构

阅读完整文章