Các tác tử định giá ứng dụng LLM có thể hội tụ về các chế độ giá khác nhau.

Khoa học máy tính > Khoa học máy tính và Lý thuyết trò chơi arXiv:2610.21711 (cs) [Gửi ngày 15/10/2026] Tiêu đề: Cách thức các tác tử mô hình ngôn ngữ tái định hình cạnh tranh về giá Tác giả: Martin Bichler, Philip Hierhager, Kassian Köck, Fabian Pieroth Xem bản PDF của bài báo có tiêu đề "Cách thức các tác tử mô hình ngôn ngữ tái định hình cạnh tranh về giá", của Martin Bichler, Philip Hierhager, Kassian Köck và Fabian Pieroth Xem PDF HTML (thử nghiệm) Tóm tắt: Cạnh tranh Bertrand lặp lại là một tiêu chuẩn khắt khe đối với định giá bằng thuật toán: tại các thị trường hàng hóa đồng nhất, các quy trình học tiêu chuẩn thường lựa chọn kết quả cân bằng Nash của trò chơi thành phần với mức giá gần bằng chi phí cận biên. Nghiên cứu chỉ ra rằng các tác tử định giá LLM có thể vượt qua tiêu chuẩn này, tùy thuộc vào các quyết định triển khai. LLM thể hiện hiệu quả vượt trội so với các thuật toán học trực tuyến tiêu chuẩn nhờ khả năng thích ứng nhanh hơn, song ưu thế này phần lớn biến mất khi đối đầu với các thuật toán học có đầy đủ thông tin. Một thuật toán đại diện được trích xuất minh họa cách thức LLM, trong các phương án triển khai cụ thể, thu lợi nhuận từ việc thường xuyên đặt giá thấp hơn các thuật toán học chậm hơn. Những tác tử đưa ra một mức giá duy nhất trong mỗi chu kỳ dựa trên lịch sử thị trường thô (bao gồm cả giá của đối thủ) có thể duy trì các trạng thái giá cao hơn mức cạnh tranh trong môi trường tự đối đầu. Ngược lại, các tác tử định kỳ đưa ra các phân phối xác suất từ lịch sử tóm tắt về lợi nhuận của chính mình lại có xu hướng dịch chuyển về vùng giá cạnh tranh khi tự đối đầu. Những thị trường kết hợp các giao diện này có thể tạo ra các cơ chế động, trong đó LLM thiết lập một mức neo giá cao và định kỳ hạ giá để chiếm lĩnh nhu cầu. Các cơ chế này có thể giữ mức giá của cả hai bên cạnh tranh cao hơn chi phí cận biên. Những lựa chọn về phương thức triển khai sẽ định hình các kết quả này, qua đó chuyển trọng tâm nghiên cứu từ các điểm cân bằng tĩnh sang các cơ chế định giá động. Lĩnh vực: Khoa học máy tính và Lý thuyết trò chơi (cs.GT); Học máy (cs.LG); Hệ đa tác tử (cs.MA); Kinh tế học đại cương (econ.GN) Trích dẫn: arXiv:2610.21711 [cs.GT] (hoặc arXiv:2610.21711v1 [cs.GT] cho phiên bản này) https://doi.org/10.48550/arXiv.2610.21711 Xem thêm chi tiết DOI do arXiv cấp qua DataCite Lịch sử gửi bài Từ: Martin Bichler [xem email] [v1] Thứ Năm, ngày 15/10/2026 11:32:32 UTC (1.273 KB) Liên kết toàn văn: Tiếp cận bài báo: Xem bản PDF của bài báo có tiêu đề "Cách thức các tác tử mô hình ngôn ngữ tái định hình cạnh tranh về giá", của Martin Bichler, Philip Hierhager, Kassian Köck và Fabian Pieroth Xem PDF HTML (thử nghiệm) Nguồn TeX xem giấy phép Tính năng bổ sung Tóm tắt âm thanh Ngữ cảnh duyệt hiện tại: cs.GT < trước | tiếp theo > mới | gần đây | 2026-10 Chuyển duyệt theo: cs cs.LG cs.MA econ econ.GN q-fin q-fin.EC Tài liệu tham khảo & Trích dẫn SciX Google Scholar Semantic Scholar xuất trích dẫn BibTeX Đang tải... Trích dẫn định dạng BibTeX &times; đang tải... Dữ liệu được cung cấp bởi: Lưu dấu trang Công cụ thư mục Công cụ thư mục và trích dẫn Bật/tắt Bibliographic Explorer Bibliographic Explorer (Explorer là gì?) Bật/tắt Connected Papers Connected Papers (Connected Papers là gì?) Litmaps Toggle Litmaps (Litmaps là gì?) Bật/tắt scite.ai scite Smart Citations (Smart Citations là gì?) Mã nguồn, Dữ liệu, Đa phương tiện Mã nguồn, dữ liệu và đa phương tiện liên quan đến bài viết này Bật/tắt alphaXiv alphaXiv (alphaXiv là gì?) Chuyển đổi liên kết mã nguồn Công cụ tìm mã nguồn cho bài báo nghiên cứu CatalyzeX (CatalyzeX là gì?) Chuyển đổi DagsHub DagsHub (DagsHub là gì?) Chuyển đổi GotitPub Gotit.pub (GotitPub là gì?) Chuyển đổi Hugging Face Hugging Face (Huggingface là gì?) Chuyển đổi ScienceCast ScienceCast (ScienceCast là gì?) Bản minh họa Bản minh họa Chuyển đổi Replicate Replicate (Replicate là gì?) Chuyển đổi Spaces Hugging Face Spaces (Spaces là gì?) Chuyển đổi Spaces TXYZ.AI (TXYZ.AI là gì?) Các bài báo liên quan Công cụ gợi ý và tìm kiếm Liên kết đến Influence Flower Influence Flower (Influence Flowers là gì?) Chuyển đổi công cụ gợi ý CORE Công cụ gợi ý CORE (CORE là gì?) Tác giả Nơi công bố Cơ quan nghiên cứu Chủ đề Giới thiệu về arXivLabs arXivLabs: các dự án thử nghiệm phối hợp cùng cộng đồng arXivLabs là khuôn khổ cho phép các cộng tác viên phát triển và chia sẻ các tính năng mới của arXiv trực tiếp trên trang thông tin điện tử của hệ thống. Các cá nhân và tổ chức hợp tác với arXivLabs đều đồng thuận và chấp nhận các giá trị chung về tính minh bạch, tinh thần cộng đồng, chất lượng vượt trội và bảo mật dữ liệu người dùng. arXiv cam kết thực hiện các giá trị này và chỉ hợp tác với các đối tác tuân thủ những tiêu chuẩn nêu trên. Cá nhân hoặc tổ chức có ý tưởng dự án nhằm gia tăng giá trị cho cộng đồng arXiv có thể tìm hiểu thêm thông tin về arXivLabs. Những tác giả nào của bài báo này là người chứng thực? | Tắt MathJax (MathJax là gì?)