Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind22. März 2026 · Q004522

Strategic Tradeoffs Between Humans and AI in Multi-Agent Bargaining

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der bereitgestellte Text enthält nur den Abstract und bibliografische Angaben. Laut Abstract erzielten angepasste Bayes-Agenten in Mehrparteien-Verhandlungen den höchsten Überschuss, während Menschen und LLMs vergleichbare Gesamtwerte, aber unterschiedliche Strategien zeigten: LLMs machten eher akzeptierte Zugeständnisse, Menschen eher fairnessorientierte, häufiger abgelehnte Angebote.

Mittel

Der bereitgestellte Bericht umfasst nur den Abstract und bibliografische Angaben, nicht den vollständigen Beitrag. Darin wird eine empirische Untersuchung dynamischer Verhandlungen mit mehreren Beteiligten beschrieben: 216 Menschen, mehrere aktuelle LLMs und angepasste Bayes-Agenten spielten unter identischen Bedingungen. Laut Abstract erzielten die Bayes-Agenten den höchsten Überschuss, machten aber aggressive Angebote, die häufig abgelehnt wurden. Menschen und LLMs erreichten vergleichbare Gesamtüberschüsse innerhalb ihrer jeweiligen Gruppen, nutzten jedoch unterschiedliche Strategien. LLMs boten eher vorsichtig und entgegenkommend an; solche Vorschläge wurden von anderen LLMs meist akzeptiert. Menschliche Angebote entsprachen laut Bericht eher Fairnessnormen, wurden jedoch häufiger zurückgewiesen. Die Autorinnen und Autoren warnen, dass vergleichbare Leistungswerte Unterschiede im Verhandlungsverhalten verdecken können. Der Auszug enthält keine näheren Angaben zu Spielregeln, Modellen oder statistischer Unsicherheit; weitergehende Aussagen lassen sich daraus nicht prüfen. Als Publikationsort wird ACM IUI 2026 genannt.

Ausführlich lesen

Der bereitgestellte Bericht enthält den Abstract sowie Angaben zu Autorinnen und Autoren und zum Publikationsort; der vollständige Beitrag liegt nicht vor. Der Abstract beschreibt eine empirische Untersuchung dazu, wie Menschen, große Sprachmodelle (LLMs) und speziell angepasste Bayes-Agenten in dynamischen Verhandlungen mit mehreren Beteiligten handeln. Als Anlass nennt er den zunehmenden Einsatz von LLMs als eigenständige Entscheidungsträger in Märkten und den Bedarf, ihr Verhalten mit dem von Menschen und statistischen Agenten zu vergleichen.

Untersucht wurden laut Abstract 216 Menschen, mehrere aktuelle LLMs und angepasste Bayes-Agenten. Alle Gruppen spielten die Verhandlungsspiele unter identischen Bedingungen. Der Abstract berichtet, dass die Bayes-Agenten den höchsten Überschuss erzielten: Sie machten aggressive Handelsangebote, die jedoch häufig abgelehnt wurden. Menschen und LLMs erreichten innerhalb ihrer jeweiligen Gruppen vergleichbare Gesamtüberschüsse, setzten dabei aber unterschiedliche Strategien ein. LLMs bevorzugten demnach vorsichtige, entgegenkommende Angebote, die andere LLMs meist annahmen. Menschen machten Angebote, die eher mit Fairnessvorstellungen übereinstimmten, aber häufiger zurückgewiesen wurden.

Die Autorinnen und Autoren folgern, dass ähnliche Leistungswerte wesentliche Unterschiede im Vorgehen von Menschen und LLMs verdecken können. Eine Bewertung, die nur den erzielten Überschuss betrachtet, bilde daher möglicherweise nicht ab, wie die Beteiligten in komplexen Situationen miteinander verhandeln. Die Aussagekraft dieser Zusammenfassung ist begrenzt: Der bereitgestellte Auszug nennt keine Einzelheiten zu den Spielregeln, den konkreten Modellen, der Auswertung oder statistischen Unsicherheiten. Er belegt daher nur die im Abstract berichteten Ergebnisse und Schlussfolgerungen. Der Beitrag ist laut Quellenangabe für ACM IUI 2026 vorgesehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich nur auf den Abstract und die Metadaten, weil der Bericht den vollständigen Beitrag nicht enthält. Methodik, Spielregeln, Modelle und statistische Unsicherheit lassen sich daher nicht prüfen.

Im Bericht, aber nicht in der Zusammenfassung

  • Kurzfassung: die Warnung, dass Leistungsparität Unterschiede im Verhalten verdecken kann
  • Kurzfassung: die Stichprobe von 216 Menschen wird nicht genannt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 34 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 55 %einzelne zitierbare Belege
    • JEV 31 %umfangreiche Belege
    • amos 25 %einzelne zitierbare Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 22 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 43 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %Hintergrund, keine Belege
    • Luna 42 %Hintergrund, keine Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 28 %Hintergrund, keine Belege
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 31 %Hintergrund, keine Belege
    • Luna 44 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 37 %Hintergrund, keine Belege

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %Hintergrund, keine Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
  1. SF-W3 Wie schützt man Finanzmärkte vor Folgen von KI, von vertraulichen Entscheidungen über Pausen bis zu Kursstürzen in Sekunden?
    • clef 26 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →