論文の概要: AgenticPay: A Multi-Agent LLM Negotiation System for Buyer-Seller Transactions

• arxiv url: http://arxiv.org/abs/2602.06008v1
• Date: Thu, 05 Feb 2026 18:50:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:09.135811
• Title: AgenticPay: A Multi-Agent LLM Negotiation System for Buyer-Seller Transactions
• Title（参考訳）: AgenticPay:バイヤー・セラー取引のためのマルチエージェントLLMネゴシエーションシステム
• Authors: Xianyang Liu, Shangding Gu, Dawn Song,
• Abstract要約: 大規模言語モデル(LLM)ベースのエージェントは、自律的に交渉、コーディネート、トランザクショナル化がますます期待されている。 本稿では,自然言語によるマルチエージェント・バイヤー・セラー交渉のためのベンチマークおよびシミュレーションフレームワークであるAgenticPayを紹介する。
• 参考スコア（独自算出の注目度）: 49.49718899185783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-based agents are increasingly expected to negotiate, coordinate, and transact autonomously, yet existing benchmarks lack principled settings for evaluating language-mediated economic interaction among multiple agents. We introduce AgenticPay, a benchmark and simulation framework for multi-agent buyer-seller negotiation driven by natural language. AgenticPay models markets in which buyers and sellers possess private constraints and product-dependent valuations, and must reach agreements through multi-round linguistic negotiation rather than numeric bidding alone. The framework supports a diverse suite of over 110 tasks ranging from bilateral bargaining to many-to-many markets, with structured action extraction and metrics for feasibility, efficiency, and welfare. Benchmarking state-of-the-art proprietary and open-weight LLMs reveals substantial gaps in negotiation performance and highlights challenges in long-horizon strategic reasoning, establishing AgenticPay as a foundation for studying agentic commerce and language-based market interaction. Code and dataset are available at the link: https://github.com/SafeRL-Lab/AgenticPay.
• Abstract（参考訳）: 大規模言語モデル(LLM)ベースのエージェントは、交渉、コーディネート、トランザクションを自律的に行うことがますます期待されているが、既存のベンチマークでは、複数のエージェント間の言語による経済的相互作用を評価するための基本的な設定が欠如している。 本稿では,自然言語によるマルチエージェント・バイヤー・セラー交渉のためのベンチマークおよびシミュレーションフレームワークであるAgenticPayを紹介する。 AgenticPayは、購入者と販売者が個人的制約や製品依存のバリュエーションを持つ市場をモデル化し、数値入札だけではならず、多言語交渉を通じて合意に達する必要がある。 このフレームワークは、二国間交渉から多国間市場まで多岐にわたる110以上のタスクからなる多様なスイートをサポートしており、構造化された行動抽出と、実現可能性、効率、福祉のためのメトリクスを備えている。 最先端のプロプライエタリかつオープンウェイトなLCMのベンチマークでは、交渉パフォーマンスにかなりのギャップが見られ、長期戦略推論における課題が強調され、エージェントコマースと言語ベースの市場相互作用を研究する基盤としてAgenticPayが確立される。 コードとデータセットは、https://github.com/SafeRL-Lab/AgenticPay.comのリンクで入手できる。

関連論文リスト

• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• PartnerMAS: An LLM Hierarchical Multi-Agent Framework for Business Partner Selection on High-Dimensional Features [23.788838112113257]
  評価を3層に分割する階層型マルチエージェントフレームワークを提案する。戦略を設計するプランナーエージェント,役割特異的評価を行う専門エージェント,アウトプットを統合するスーパーバイザエージェントである。 140のケースで、PartnerMASはシングルエージェントと議論ベースのマルチエージェントベースラインを一貫して上回り、最大10-15%のマッチレートを達成する。
  論文  参考訳（メタデータ） (2025-09-28T19:39:03Z)
• TradingAgents: Multi-Agents LLM Financial Trading Framework [4.293484524693143]
  TradingAgentsは、トレーディング会社にインスパイアされた新しい株式トレーディングフレームワークを提案する。 基本的なアナリスト、センチメントアナリスト、テクニカルアナリスト、さまざまなリスクプロファイルを持つトレーダーといった専門的な役割でLLMを動力とするエージェントが特徴である。 動的で協調的なトレーディング環境をシミュレートすることで、このフレームワークはトレーディングのパフォーマンスを改善することを目指している。
  論文  参考訳（メタデータ） (2024-12-28T12:54:06Z)
• Assistive Large Language Model Agents for Socially-Aware Negotiation Dialogues [47.977032883078664]
  我々は,ビジネス交渉における対話者を支援する大規模言語モデル(LLM)に基づく支援エージェントを開発する。 第3のLLMは、交渉結果を改善するための基準に違反した発話を書き換える仲介役として機能する。 3つの異なる交渉トピックにわたる交渉において,その効果を示すための実証的証拠を豊富に提供する。
  論文  参考訳（メタデータ） (2024-01-29T09:07:40Z)
• Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
  我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。 合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。 我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
  論文  参考訳（メタデータ） (2023-09-29T13:33:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。