Больше информации для ИИ — и результат может оказаться менее прибыльным.
В одном эксперименте Стэнфордского университета протестировали 10 передовых больших языковых моделей в задачах торговли, переговоров и двусторонних аукционов. Исследователи меняли только одно условие: насколько хорошо модель знала истинную оценку соперника.
Результат оказался весьма контринтуитивным: чем полнее была информация, тем чаще некоторые модели теряли прибыль.
В аукционном эксперименте, когда и покупатели, и продавцы знали точную оценку друг друга, потенциальная доля прибыли Claude Opus 5.5 снизилась с 94% до 64%.
В торговом эксперименте результаты разных моделей разошлись:
Прибыль GPT-6 Sol снизилась с максимальных 98% до 91%, тогда как у Claude Sonnet 5 она выросла с 72% до 86%.
В аукционах более полная информация также заставляла модели завышать запрашиваемую цену. Доля прибыли Grok 4.7 упала с 97% до 62%.
Одинаковые исходные данные приводили разные модели к совершенно разным результатам.
Это исследование содержит важное предостережение для практического применения ИИ-агентов: недостаточно проверять только способность модели вести переговоры — необходимо также оценивать, как она принимает решения при разных условиях доступа к информации.
Особенно когда вы поручаете ИИ вести переговоры, назначать цены или управлять средствами: больше информации не обязательно означает лучшие решения. Получив больше данных, некоторые модели могут вести себя более агрессивно и в итоге снижать собственную прибыль.
В одном эксперименте Стэнфордского университета протестировали 10 передовых больших языковых моделей в задачах торговли, переговоров и двусторонних аукционов. Исследователи меняли только одно условие: насколько хорошо модель знала истинную оценку соперника.
Результат оказался весьма контринтуитивным: чем полнее была информация, тем чаще некоторые модели теряли прибыль.
В аукционном эксперименте, когда и покупатели, и продавцы знали точную оценку друг друга, потенциальная доля прибыли Claude Opus 5.5 снизилась с 94% до 64%.
В торговом эксперименте результаты разных моделей разошлись:
Прибыль GPT-6 Sol снизилась с максимальных 98% до 91%, тогда как у Claude Sonnet 5 она выросла с 72% до 86%.
В аукционах более полная информация также заставляла модели завышать запрашиваемую цену. Доля прибыли Grok 4.7 упала с 97% до 62%.
Одинаковые исходные данные приводили разные модели к совершенно разным результатам.
Это исследование содержит важное предостережение для практического применения ИИ-агентов: недостаточно проверять только способность модели вести переговоры — необходимо также оценивать, как она принимает решения при разных условиях доступа к информации.
Особенно когда вы поручаете ИИ вести переговоры, назначать цены или управлять средствами: больше информации не обязательно означает лучшие решения. Получив больше данных, некоторые модели могут вести себя более агрессивно и в итоге снижать собственную прибыль.