ContractSim：评估自然语言中理性缔约的框架

研究构建 ContractSim 评测套件，量化语言智能体在不确定多步环境中谈判与执行合同的理性与合作程度。 LLM 智能体在低环境不确定性下能达成高效协议，但在高不确定性下常无法协商出可执行的互利合同，性能甚至不及启发式基线。 执行阶段，LLM 智能体常为额外利润违规，凸显其设计与评估的改进空间。