Chunlin 的论文科普

同一个AI，换个规则就像换了个脑子？制度设计才是智能体模拟的隐形变量

LLM 与智能体

你可能见过AI做交易、写代码、甚至参加算法竞赛，但很少有人注意：同一个AI，换一套交互规则，表现可能天差地别——就像同一个人，在菜市场砍价和在股票交易所下单，行为完全不同。

智能体的表现到底由什么决定？是模型本身的能力，还是它所处的制度环境？最近一篇名为《Artificial Institutions: How Institutional Design Shapes LLM Simulations》的论文给出了一个反直觉的答案：制度设计对结果的塑造力，一点也不比智能体本身弱 [1]。

一个反直觉的市场实验：同样的AI，换个规则效率差32%

先来看一组数字。研究人员搭建了一个非常简单的模拟市场：4个买家、4个卖家，每个人手里的估值和成本都是固定的，理论上最多能产生3笔双赢交易，每期的最大总剩余是120 [1]。

实验的关键在于：所有变量都不动，只改交易规则。AI还是那些AI，估值还是那些估值，甚至连提示词里的收益说明都一字不差，唯一变化的是”怎么买卖”——一共测试了5种经济学里最经典的市场制度 [1]。

结果差异大到让人意外：

最高和最低之间差了32.2个百分点——相当于同样的人和货，换个地方交易，凭空少了近三分之一的社会总福利 [1]。

更有意思的是，这不是某一个模型的特例。研究测试了GPT-5 mini、GPT-5、Claude Sonnet 4.5、Gemini 2.5 Flash等多个模型家族，结论一致：制度变了，整体表现就跟着变 [1]。

打个比方，这就像同一批学生，考同一套知识点，但考试规则从”闭卷笔试”改成”口头答辩”再改成”小组讨论”，分数分布会完全不一样——不是学生的知识量变了，而是规则要求的能力不一样。当然，实际情况比这个比喻更复杂，因为市场制度不仅考能力，还改变策略互动的结构。

为什么规则能左右AI表现？五种市场制度背后的能力要求

为什么同样的智能体，换个规则表现差这么多？答案藏在每种制度对”能力”的不同要求里。

我们来拆解一下这五种制度分别在考什么：

集合竞价本质上是一道”诚实报价题”。你只要如实说出自己愿意出的最高价/接受的最低价，系统会帮你撮合。它对AI的要求很简单：理解自己的估值，然后如实报出来。

挂牌市场则是一道”定价题”。卖方挂牌时，卖家要自己定一个价，定高了卖不出去，定低了赚得少。这时候AI需要猜测对方的底线，但又没有对方的任何信息——很多有效交易就因为定价偏离而错过了 [1]。

一个很反直觉的细节是：看起来掌握定价权的一方，反而没占到便宜。卖方挂牌市场里，83.7%的剩余被买方拿走；买方挂牌市场里，只有14.3%的剩余归买方——因为定价方为了成交，会把价格开得很”厚道” [1]。

连续双向拍卖更复杂，它考的是”时机博弈”。你不仅要决定出什么价，还要决定什么时候出、要不要跟着别人的价格调整。这就要求AI具备策略思维和对市场动态的判断。

双边议价则是纯粹的”谈判题”。两个人一对一谈，信息完全不对称，谈得拢就成交，谈不拢就散伙。效率最低的原因也很直接：很多本来能双赢的交易，因为双方都不肯让步、或者没找到合适的价位，直接黄了 [1]。

值得注意的是，不同模型在不同制度下的表现差异极大。比如Gemini在集合竞价里能达到100%的完美效率，但在连续双向拍卖里只有35.2%；Claude Sonnet则反过来，在连续双向拍卖里有81.4%，在双边议价里却只有33.2% [1]。不是哪个模型”更聪明”，而是它们各自擅长的能力，在不同制度下被放大或缩小了。

这就引出了一个重要的认知：没有什么”通用的智能体表现”，你看到的表现，永远是模型能力和制度环境共同作用的结果 [1]。

不止市场：从AI竞赛到烹饪机器人，制度设计无处不在

你可能会想：这说的都是市场交易，和我做的智能体场景有关系吗？

其实”制度设计”这个概念，比市场要宽泛得多。本质上，任何规定智能体之间如何交互、如何获得反馈、如何分配奖励的规则，都是制度。它无处不在，只是我们经常把它当成背景而忽略了。

比如AI算法竞赛。有一篇研究搭建了一个”AI版Kaggle”框架：给智能体一个电商商品匹配任务，用隐藏测试集的排行榜当奖励信号，让智能体自己迭代优化。结果发现，单智能体只会在初始给的嵌入模型范式里调参，甚至提前判定某个类别无解；但5个智能体并行跑，很快就各自探索出了TF-IDF重排序、字符串匹配等完全不同的方法，最佳覆盖率从单智能体的47.8–57.4%提升到了62.8–69.4% [5]。

你看，这里的”制度”是什么？是排行榜的评分规则、是智能体之间只能看分数不能抄代码的隔离规则、是并行探索的组织方式。改了这些规则——比如让智能体可以互相交流、或者把奖励改成单轮定胜负——智能体的行为模式会完全不同 [5]。

再比如烹饪机器人。有一篇论文提出的多智能体烹饪框架，不是让大模型直接输出动作，而是把任务拆成”食谱生成→工作流编排→代码生成→在线监督”几个阶段，每个阶段的智能体有明确的职责边界，还有独立的监督进程负责安全接管 [2]。

这其实也是一种制度设计：谁有权做什么决定、谁负责检查、出了问题谁来接管、信息怎么在各环节流动——这些规则定好了，哪怕底层模型没变，整个系统的可靠性和安全性也会大幅提升。论文里说，这种分阶段的代码生成策略让代码可执行性达到了100%，而端到端直接生成只有20% [2]。

所以制度设计不是市场的特例，而是所有多智能体系统、甚至单智能体系统里的一个隐形变量。你用什么样的流程、什么样的反馈机制、什么样的权责划分，就在很大程度上决定了智能体能发挥出多少能力。

从「Homo Silicus」到人工社会：智能体模拟研究的两条路

这个发现放在智能体模拟的研究脉络里看，意义就更清楚了。

过去几年，用LLM做社会模拟的研究基本沿着两条路走。第一条路可以叫”造人”——也就是让智能体更像人。研究者给智能体加记忆、加人格、加推理能力，努力让它们的行为更接近人类受试者。2024年有研究者提出了”Homo Silicus”（硅基智人）的概念，说LLM就像经济学里的”理性人”假设一样，可以作为社会科学模拟的标准化受试者 [7]。

2025年的一项研究进一步验证了这个方向：LLM在市场实验里确实表现出和人类类似的有限理性，也能复现正反馈/负反馈市场的基本动态，只是行为多样性比人类低一些 [8]。

另一条路则是”造环境”——也就是研究智能体所处的社会结构和制度。传统的基于智能体的建模（ABM，Agent-based Modeling，一种通过模拟个体行为来研究复杂系统的方法）本来就擅长这个，但以前的智能体太简单，都是规则式的，缺乏真实的人类行为复杂度 [6]。

而《Artificial Institutions》这篇论文的价值，就是把这两条路交汇了：它证明，当我们用更聪明的LLM智能体做模拟时，制度设计的重要性一点也没下降，反而可能更突出了——因为LLM有策略推理能力，它们会对规则做出反应，而不是像传统ABM智能体那样按固定脚本走 [1]。

这也意味着，以后做人工社会实验，不能只盯着”用什么模型”、“怎么写提示词”，还要把”用什么制度”当成核心变量来设计。否则你观察到的结果，可能只是某个特定规则下的特例，换一套规则就不成立了 [1]。

当智能体走向真实世界：制度敏感性带来的三个开放问题

说了这么多，这个研究的边界在哪里？对我们做真实世界的智能体系统有什么启发？

首先要诚实说清楚：这项研究的实验规模很小——只有4买4卖、5期交易、一种供需结构、4个特定模型家族 [1]。作者自己也承认，结果不能直接推广到更大更复杂的社会，它只是一个存在性证明：制度效应是存在的，而且很大 [1]。

但顺着这个发现往下想，有三个问题和当下的智能体产业部署直接相关。

第一个问题：我们能训练出”制度鲁棒”的智能体吗？ 现在的模型在一种规则下表现很好，换一种就可能掉链子。如果未来智能体要在真实世界的各种平台、各种组织里工作，它们能不能适应不同的制度环境？还是说每换一个场景都得重新微调？这是一个还没有答案的开放问题 [1]。

第二个问题：智能体系统的设计，是不是本质上就是制度设计？ 现在产业里部署智能体，已经不怎么堆单模型能力了，反而在搞各种架构设计：规划者-执行者-验证者的三人组、人在回路的审核机制、工具调用的权限边界 [3]。这些其实都是在给智能体”立法”——规定它们能做什么、不能做什么、出了问题怎么兜底。从这个角度看，智能体工程很大程度上就是制度工程。

第三个问题：怎么在成本和能力之间找平衡？ 制度不是越复杂越好，因为复杂的交互规则也意味着更高的推理成本。比如最近的MemoryCPT框架就发现，记忆系统的设计本质上是在质量和成本之间做权衡——不是记得越多越好，而是每花一块钱能买到多少智能才重要 [4]。制度设计也一样，规则越精细，对智能体的要求越高，运行成本也越高。

这些问题都还没有标准答案，但有一点是确定的：当我们谈论智能体的能力时，不能脱离它所处的制度环境。同一个模型，在好的制度设计下能发挥出80分的水平，在差的制度下可能连及格都难。

如果你只记住一件事

智能体的表现从来不是”模型能力”这一个变量决定的，交互规则、反馈机制、权责划分这些常被当成”背景设置”的制度因素，是和模型本身同等重要的核心变量。

参考文献

  1. Artificial Institutions: How Institutional Design Shapes LLM Simulations（arXiv、2026、全文精读）
  2. Embedding Large Language Models into Flow Controls: An Agentic Framework for Adaptive and Trustworthy Automated Cooking（arXiv、2026、全文精读）
  3. Agents in the Wild: Where Research Meets Deployment（arXiv、2026、全文精读）
  4. MemoryCPT: An End-to-End Agent Memory Framework for Cost-Performance Trade-off（arXiv、2026、全文精读）
  5. Continuous Improvement and Parallel Autonomous Exploration: An LLM-Agent Framework for Searching Large Solution Spaces（arXiv、2026、全文精读）
  6. Computational Experiments Meet Large Language Model Based Agents: A Survey and Perspective（2024、仅摘要）
  7. Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?（2024、仅摘要）
  8. Can Generative AI agents behave like humans? Evidence from laboratory market experiments（2025、仅摘要）