换一种问法，出价偏差从 5.3 美元掉到 0.3：机制设计比「更努力地推理」更管用

结论

MIT 的一篇论文研究了交互格式对 LLM 智能体决策的影响，场景是拍卖与匹配。两个结果值得记住：为人类竞标者设计的机制经验可以沿用到 LLM 智能体；把交互格式改一改 —— 采用升价机制，并给出简单的"留守或退出"选项 —— 让 Gemma 的出价偏差从低于价值 5.30 美元收窄到 0.30 美元；再加一行"拒绝只会导致重新分配"的说明，匹配错误率从 4.2% 降到 0.2%。结论很反直觉：智能体表现差，往往不是因为它推理得不够努力，而是因为你给它的交互结构本身就在诱导它犯错。

三个要点

• 模型的"自私"是可被格式调偏的。 论文发现 GPT-4o、Claude、Gemini 与 Gemma 普遍倾向于压低出价以保留利润。这不是恶意，而是被优化目标与措辞共同诱导出的行为。改格式，行为就变。
• 一行说明带来两个数量级的改善。 匹配错误从 4.2% 到 0.2%，靠的不是更强的模型或更多的推理步骤，而是一句把后果讲清楚的话。这说明"提示工程"里最有效的往往不是技巧，而是消除歧义。
• 机制设计是能跨物种迁移的。 人类经济学几十年积累的机制经验，在智能体身上依然成立。这对做 Agent 产品的人是个好消息：不用从零摸索，有现成的理论可用。

对你意味着什么

先检查任务结构，再怀疑模型能力。 智能体结果不理想时，先问：我给它的选项清不清楚？有没有隐含的激励让它走偏？有没有把后果说明白？这三问通常比换模型更见效。

把"后果"写进指令。 "如果你拒绝，会发生什么"这类信息，在很多任务里能显著降低误差。人类需要它，模型同样需要。

做选项设计，而不是做更长提示。 与其反复追加解释，不如重新设计输出的选项集合 —— 让正确答案在结构上更易被选中，让错误答案更难被表达。

把这些结论纳入你的评测集。 换一次格式就是一次 A/B。用同一批任务对比两版格式，用量化指标决定留哪一版，别凭感觉。

一句话：想让智能体做对，先别急着让它"多想几步"，先看看你是不是把题的选项出错了。

参考来源

• MIT 论文（经 X / Rohan Paul 转述）：Simplified interaction formats improve LLM agent decision-making more than reasoning prompts

延伸阅读：8800 万美元押注「光的内存」：推理瓶颈其实不在算力，在搬运 · 400 亿美元估值、产品还没上市：AI 制药的定价锚点换成了「管线」 · AI 伪造歌曲骗了 800 万美元版税，被判 18 个月：生成式侵权的「规模化」第一次被计价