跳转至

Dynamics of Cognitive Heterogeneity: Investigating Behavioral Biases in Multi-Stage Supply Chains with LLM-Based Simulation

会议: ACL 2026
arXiv: 2604.17220
代码: 无
领域: LLM智能体 / 行为模拟
关键词: 供应链模拟, 认知异质性, 牛鞭效应, LLM智能体, 啤酒分销博弈

一句话总结

使用LLM智能体（DeepSeek/GPT系列）在经典啤酒分销博弈中模拟多阶段供应链，系统研究认知异质性（推理能力差异）对系统行为的影响，发现LLM智能体能复现人类的牛鞭效应和短视行为，且信息共享能有效缓解这些不良效应。

研究背景与动机

领域现状：行为实验（如啤酒分销博弈）揭示了认知偏差导致的供应链低效（如牛鞭效应），但传统人类实验面临可扩展性、成本和实验控制的限制。LLM作为行为代理的潜力正被探索。

现有痛点：（1）大多数LLM多智能体研究聚焦于静态或结构简单的设置，未探索高度动态的多周期环境；（2）现有研究通常部署同质智能体，忽略了认知异质性（不同推理能力的智能体混合）对群体行为的影响；（3）缺乏严格的统计验证。

核心矛盾：真实组织中策略多样性既普遍又重要，但其在合成环境中的交互效应尚未被充分研究。

本文目标：构建LLM驱动的供应链模拟范式，系统研究认知异质性如何影响集体行为。

切入角度：用不同推理能力的LLM（基础版 vs 推理增强版）代表不同的认知层级，在供应链不同位置部署异质智能体。

核心 idea：LLM智能体能复现人类行为偏差，认知异质性加剧系统低效，而信息共享是有效的缓解手段。

方法详解

整体框架

在经典啤酒分销博弈（4级供应链：零售商→批发商→分销商→制造商）中部署LLM智能体，每个智能体在每个周期决定订购量。实验包含同质条件（全部浅层/深层智能体）和分层条件（单个深层智能体在不同位置），每个配置32次独立重复，20个周期。

关键设计

  1. 层级推理框架（Hierarchical Reasoning Framework）:

    • 功能：系统化地建模不同认知深度的智能体
    • 核心思路：将认知分为浅层（DeepSeek-V3, GPT-4.1）和深层（DeepSeek-R1, GPT-5）两级。深层模型在AIME、GPQA等推理基准上一致优于对应的基础版。通过双家族设计（DeepSeek系列+GPT系列）控制架构差异，同时验证跨家族的一致性
    • 设计动机：提供经验支持的认知分层依据，确保实验分类有科学基础

  2. 认知异质性实验设计:

    • 功能：隔离认知深度对供应链行为的影响
    • 核心思路：6种配置——同质条件（Original全浅层、R-Overall全深层）+分层条件（R-S1到R-S4，仅在一个位置放置深层智能体）。每种配置+两种信息条件（有/无信息共享），使用CoT提示支持结构化决策
    • 设计动机：通过系统性变化单一变量（认知深度的位置）来识别因果效应

  3. 信息共享机制:

    • 功能：测试信息透明度对缓解行为偏差的效果
    • 核心思路：在信息共享条件下，向每个智能体提供其他层级的库存和积压信息。比较有/无信息共享条件下的订单波动、总成本和牛鞭效应强度
    • 设计动机：信息不对称是牛鞭效应的经典原因之一，验证LLM智能体是否也从信息共享中受益

损失函数 / 训练策略

不涉及模型训练。实验使用标准统计检验（符号检验、t检验、Mann-Whitney检验）验证结果显著性。

实验关键数据

主实验

牛鞭效应复现（同质条件，无信息共享）：

配置 订单方差增幅 p值 说明
DeepSeek-Original 82.3% <0.001 显著牛鞭效应
DeepSeek-R-Overall 79.8% <0.001 推理增强后仍存在
GPT-Original 74.2% <0.001 跨家族一致
GPT-R-Overall 74.3% <0.001 一致性验证

消融实验

信息共享的缓解效果：

条件 无IS总成本 有IS总成本 降低幅度
DeepSeek-Original 39.43 20.15 ~49%
DeepSeek-R-Overall 29.43 17.71 ~40%

关键发现

  • LLM智能体成功复现了人类实验中观察到的牛鞭效应（p<0.001），验证了LLM作为行为代理的可信性
  • 与人类数据相比，LLM智能体的决策更稳定（方差更低），统计信号更清晰
  • 认知增强（R1/GPT-5）虽降低总成本但未消除牛鞭效应——即使更"聪明"的智能体仍表现出短视行为
  • 信息共享是最有效的干预：在所有配置中一致降低成本40-50%
  • 自利行为（每个智能体最小化自身成本）是系统低效的根本原因

亮点与洞察

  • 用LLM模拟行为实验是一个极有前景的范式：相比人类实验，成本低几个数量级、可大规模重复、变量精确控制。这对运营管理和行为经济学研究有变革性意义。
  • 认知增强无法消除牛鞭效应这一发现很有洞察力：问题不在于个体智力不足，而在于信息结构和激励机制——这与现实组织中的情况高度吻合。
  • 双家族验证设计（DeepSeek+GPT）确保了发现的跨平台鲁棒性。

局限与展望

  • LLM智能体的"认知偏差"与人类的是否本质相同存疑——可能是训练数据中学到的行为模式而非真正的认知限制
  • 啤酒分销博弈虽经典但高度简化，真实供应链的复杂性（多产品、随机性、合同约束）远超此设定
  • 温度参数固定为1，不同温度下行为可能不同（虽然引用了先前工作的稳定性结果）
  • 仅研究了4级线性供应链，网络化供应链的行为可能完全不同

相关工作与启发

  • vs Kirshner (2024): 在供应链中部署LLM智能体的先驱，但使用同质设置；本文首次引入认知异质性
  • vs Park et al. (2023) (Generative Agents): 聚焦社交互动模拟；本文将LLM智能体扩展到结构化经济环境
  • vs 传统RL方法（IPPO/MAPPO）: 需要严格的状态空间定义和大量训练；LLM智能体零训练即可展现类人行为

评分

  • 新颖性: ⭐⭐⭐⭐ 认知异质性+供应链模拟的新视角
  • 实验充分度: ⭐⭐⭐⭐⭐ 32次重复×6配置×2信息条件，统计验证严格
  • 写作质量: ⭐⭐⭐⭐ 实验设计清晰，统计分析扎实
  • 价值: ⭐⭐⭐⭐ 为LLM智能体在组织行为研究中的应用开辟了新方向

相关论文