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

{"tags": ["LLM Agents", "TradeWar", "TACTIC", "Multi-Agent Negotiation", "Game Theory", "Economic Health Index", "Execution Grounding"], "risks": ["Khoảng cách giữa mô phỏng TradeWar và sự phức tạp khôn lường của địa chính trị và pháp lý thương mại thực tế.", "Mô hình hóa đối thủ (Theory-of-Mind) có thể hoạt động kém nếu đối tác hành động phi lý trí hoặc dùng chiến lược phá hoại.", "Nguy cơ tối ưu hóa quá mức vào chỉ số EHI mô phỏng dẫn đến chiến lược đàm phán cực đoan trong môi trường thực."], "category": "Agents", "entities": ["TradeWar", "TACTIC", "PromptLLM", "MemoryLLM", "Economic Health Index (EHI)"], "summary_vi": "TradeWar là benchmark mới giải quyết lỗ hổng của các bài kiểm tra đàm phán LLM hiện tại - vốn chỉ đo tỷ lệ đạt thỏa thuận mà bỏ qua giá trị thực thi. Benchmark chuyển đổi đối thoại đàm phán thành chính sách thuế quan/thị phần chịu ràng buộc năng lực và đo lường bằng chỉ số Economic Health Index (EHI). Đồng thời, nghiên cứu giới thiệu TACTIC, tác tử LLM có khả năng thích ứng liên phiên (cross-episode) dựa trên lý thuyết tâm trí (Theory-of-Mind) và kinh nghiệm thực thi mà không cần tinh chỉnh trọng số, vượt trội đáng kể so với PromptLLM và MemoryLLM ngay cả khi chịu các cú sốc khủng hoảng.", "key_changes": ["Ra mắt TradeWar - benchmark mô phỏng đàm phán thương mại đa quốc gia, chuyển đổi hội thoại thành chính sách thuế quan và thị phần thực tế có ràng buộc năng lực và mạng lưới.", "Phát triển tác tử TACTIC (Trade-aware Adaptive Consolidation and Theory-of-mind) có khả năng tự tinh chỉnh chiến lược qua các tập (episodes) mà không cần cập nhật trọng số LLM.", "Phát hiện tỷ lệ đồng thuận cao không đồng nghĩa với hiệu quả kinh tế: PromptLLM đạt thỏa thuận 75% nhưng EHI chỉ đạt 57.1, trong khi TACTIC đạt 68.8 và tăng từ 58.2 lên 73.2 sau 20 episodes.", "TACTIC thể hiện khả năng chống chịu và ít suy giảm hiệu năng hơn trước các cú sốc kiểm soát công nghệ và khủng hoảng năng lượng so với PromptLLM và MemoryLLM."], "sub_category": "Multi-Agent Systems", "novelty_score": 82, "business_score": 80, "research_score": 85, "why_it_matters": "Nghiên cứu chứng minh rằng kỹ thuật gợi ý CoT và bộ nhớ tương tác thông thường không đủ để giải quyết phản hồi thực thi trễ trong đàm phán phức tạp. Việc neo đàm phán vào kết quả thực thi kinh tế thực tế là bước chuyển quan trọng để đưa AI agent từ đối thoại suông sang ứng dụng thương mại và chuỗi cung ứng thực tế.", "developer_score": 72, "importance_score": 78, "possible_use_cases": ["Mô phỏng và tối ưu hóa đàm phán chuỗi cung ứng, hợp đồng mua sắm B2B dựa trên ràng buộc thực thi thực tế thay vì chỉ đạt đồng thuận trên giấy tờ.", "Mô phỏng kịch bản chính sách thương mại và phản ứng kinh tế vĩ mô trước các cú sốc thị trường (khủng hoảng năng lượng, cấm vận công nghệ).", "Đánh giá và kiểm chuẩn (benchmark) các hệ thống LLM agent thương lượng tự động trong môi trường có phản hồi thực thi trễ."], "actionability_score": 65}