В стратегической игре длинный контекст работал как экстраполяция

Длинная история взаимодействий помогает LLM-агентам в стратегической игре только пока в ней сохраняется простой тренд. В эксперименте Fudan University выигрыш исчезал после перестановки тех же цен; препринт не рецензирован, а числа получили сами авторы. Поэтому длинный контекст сам по себе не доказывает, что агент пересчитывает ожидания о действиях других участников.

Агентов поместили в повторяющуюся игру с общественным благом. Каждый участник видел текущую стоимость проекта и решал, присоединяться ли к нему, а выгода зависела от решений всей группы. Эталоном служило равновесие рациональных ожиданий: при одной и той же текущей цене оптимальное решение не зависит от порядка прошлых цен.

Исследователи оставляли набор цен неизменным, но показывали их либо как плавную последовательность, либо как скачки между высокими и низкими значениями. Если модель действительно рассуждает о намерениях других агентов, такая перестановка не должна менять качество решений. Если она продолжает замеченный тренд, скачки лишают её полезной подсказки.

Для GPT-5 при слабой взаимозависимости и растущей последовательности три прошлых раунда снизили среднюю квадратичную ошибку относительно равновесия с 6,18 до 0,84 — более чем в семь раз. В сходящейся скачкообразной последовательности ошибка даже с более длинной историей оставалась выше 6,5. При сильной взаимозависимости она превышала 13,88: ошибки отдельных агентов усиливались через решения группы.

Проверка охватывала GPT-5 и Qwen3-Plus, группы по 50 агентов и сессии по шесть раундов в одной игре с фиксированным шаблоном запроса. Результат относится к короткой истории и конкретной форме стратегической зависимости. Для многоагентных систем из него следует практический тест: переставить или нарушить исторический тренд и проверить, сохранится ли выигрыш от контекста.

Источники

• Recursive Reasoning or Statistical Extrapolation? In-Context Learning in Multi-Agent Interdependent Decision-Making