STRIDE: A Tool-Assisted LLM Agent Framework for Strategic and Interactive Decision-Making

大型语言模型（LLMs）如GPT-4已经彻底改变了自然语言处理，展现了出色的语言能力和推理能力。然而，它们在战略多智能体决策环境中的应用受到了重大限制，包括数学推理能力差、难以遵循指令以及产生错误信息的倾向。这些缺陷阻碍了它们在需要遵守微妙的游戏规则、长期规划、探索未知环境和预测对手动作的战略和交互任务中的表现。为了克服这些障碍，本文提出了一个新的LLM代理框架，配备了内存和专业工具，以增强它们的战略决策能力。我们在许多经济重要的环境中部署这些工具，特别是双边谈判和多智能体和动态机制设计。我们采用定量指标评估了框架在各种战略决策问题中的表现。我们的研究结果表明，我们增强的框架显著提高了LLMs的战略决策能力。虽然我们强调了当前LLM模型固有的限制，但我们通过有针对性的增强展示了改进，为LLMs在交互环境中的未来应用方向提供了有希望的方向。

本文旨在解决大型语言模型在策略性多智能体决策环境中的局限性，包括数学推理不足、难以遵循指令、生成不正确信息等问题。

本文提出了一种新型的大型语言模型代理框架，配备记忆和专业工具，以增强其策略决策能力。

本文在双边谈判和多智能体和动态机制设计等经济重要环境中部署了工具，使用定量指标评估了框架在各种策略决策问题中的表现。

最近的相关研究包括大型语言模型在自然语言处理中的应用，以及在多智能体决策环境中的应用。