TradeWar: A Benchmark for Execution-Grounded Trade Negotiation with Adaptive LLM Agents

📄 arXiv: 2610.42004v1 📥 PDF

作者: Xiangyu Kong, Ruirui Yang, Xia Hou

分类: cs.AI

发布日期: 2026-10-30

备注: Accepted to DAI'26

💡 一句话要点

提出TradeWar基准以解决执行导向的贸易谈判问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多轮谈判 大型语言模型 执行导向 经济健康指数 策略优化 国际贸易 模拟基准

📋 核心要点

  1. 现有的多轮谈判方法主要评估协议达成率，未能考虑执行后承诺的实际价值，导致评估不全面。
  2. 本文提出TradeWar基准，通过将谈判对话转化为具体政策，并引入经济健康指数，解决执行导向的谈判问题。
  3. 实验结果显示，TACTIC在20个连续回合中，最终EHI从58.2提升至73.2，相较于对照组有显著改善，且在技术控制和能源危机冲击下表现更为稳定。

📝 摘要（中文）

多轮谈判是大型语言模型（LLM）代理面临的挑战。现有基准主要评估协议达成率，忽视了谈判承诺在执行后是否创造价值。为填补这一空白，本文引入TradeWar，一个多国模拟基准，将谈判对话转化为具体的关税和贸易份额政策，并在结算过程中强制执行容量和网络约束，通过经济健康指数（EHI）评估结果。为解决这一执行导向任务，提出了TACTIC（贸易感知自适应整合与国际商业的心智理论），该代理在不更新基础LLM权重的情况下，利用先前经验、对手行为和过去结算结果迭代优化谈判策略。尽管使用零-shot思维链提示，PromptLLM达成率为75%，最终EHI为57.1，而TACTIC达到了68.8。

🔬 方法详解

问题定义：本文旨在解决多轮贸易谈判中，现有方法未能有效评估协议执行后价值的问题。现有基准主要关注协议达成率，缺乏对执行结果的深入分析。

核心思路：提出TradeWar基准，通过将谈判对话转化为具体的政策，并引入经济健康指数（EHI）来评估执行效果。TACTIC代理通过迭代优化策略，利用历史经验和对手行为，提升谈判效果。

技术框架：整体架构包括谈判对话生成模块、政策转化模块、执行约束模块和结果评估模块。TACTIC代理在多个回合中不断更新其策略，形成闭环反馈机制。

关键创新：TACTIC的关键创新在于其执行导向的适应性策略优化，区别于传统方法仅依赖于思维链提示，能够更好地应对延迟执行反馈的问题。

关键设计：TACTIC在设计上不更新基础LLM权重，而是通过历史数据和对手行为进行策略调整，采用特定的损失函数来优化EHI的提升。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，TACTIC在20个连续回合中，最终EHI从58.2提升至73.2，相较于未进行跨回合更新的对照组65.2有显著提升。此外，在技术控制和能源危机冲击下，TACTIC的性能下降幅度小于PromptLLM和MemoryLLM，显示出其更强的适应性。

🎯 应用场景

该研究的潜在应用领域包括国际贸易谈判、政策制定和经济模拟等。通过提供一个执行导向的评估框架，TradeWar能够帮助决策者在复杂的贸易环境中做出更明智的选择，提升谈判效率和效果。未来，该方法可能扩展到其他领域的多轮对话系统中，推动智能代理的应用发展。

📄 摘要（原文）

Multi-turn negotiation remains a challenging problem for large language model (LLM) agents. While LLMs can conduct natural-language dialogue, existing benchmarks predominantly assess only agreement rates, overlooking whether negotiated commitments actually create value once executed. To address this gap, we introduce TradeWar, a multi-country simulation benchmark that translates negotiation dialogues into concrete tariff and trade-share policies, enforces capacity and network constraints during settlement, and evaluates outcomes via an Economic Health Index (EHI). To solve this execution-grounded task, we propose TACTIC (Trade-aware Adaptive Consolidation and Theory-of-mind for International Commerce), an agent that iteratively refines its negotiation strategy across episodes-without updating base LLM weights-by leveraging prior experience, opponent behavior, and past settlement outcomes. Despite using zero-shot chain-of-thought (CoT) prompting, PromptLLM attains a 75% agreement rate but only 57.1 final EHI (*100), whereas TACTIC reaches 68.8. Across 20 sequential episodes and three seeds, TACTIC's final EHI improves from 58.2 to 73.2, compared with 65.2 for an ablation without cross-episode updates. Under technology-controls and energy-crisis shocks, TACTIC also exhibits smaller performance degradation than PromptLLM and MemoryLLM. These results indicate that CoT deliberation and interaction memory alone do not fully address delayed execution feedback, whereas settlement-grounded adaptation improves long-horizon negotiation in TradeWar.