Game Theory Meets Large Language Models: A Systematic Survey with Taxonomy and New Frontiers

📄 arXiv: 2502.09053v2 📥 PDF

作者: Haoran Sun, Yusen Wu, Peng Wang, Wei Chen, Yukun Cheng, Xiaotie Deng, Xu Chu

分类: cs.AI, cs.GT, cs.LG

发布日期: 2025-02-13 (更新: 2025-08-05)

备注: A shorter conference version is published in IJCAI 2025, titled 'Game Theory Meets Large Language Models: A Systematic Survey'

💡 一句话要点

首次全面综述博弈论与大语言模型的双向关系，并提出新的分类框架。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 博弈论 大语言模型 综述 人工智能 多智能体系统

📋 核心要点

  1. 现有研究主要集中于使用博弈论评估LLM，缺乏对二者双向关系的全面考察。
  2. 论文提出一种新颖的分类法，从四个视角分析博弈论与LLM的交叉研究，涵盖评估、改进、建模和应用。
  3. 论文总结了该领域面临的关键挑战，并为未来的研究方向提供了指导，促进跨学科发展。

📝 摘要（中文）

博弈论是分析战略互动的基础框架，它与大型语言模型（LLMs）的交叉领域正在迅速发展。然而，现有的综述主要狭隘地关注使用博弈论来评估LLM的行为。本文首次全面综述了博弈论和LLM之间的双向关系。我们提出了一种新的分类法，将该交叉领域的研究分为四个不同的视角：（1）在基于博弈的场景中评估LLM；（2）利用博弈论概念改进LLM，以获得更好的可解释性和对齐性；（3）对LLM发展的竞争格局及其社会影响进行建模；（4）利用LLM来推进博弈模型并解决相应的博弈论问题。此外，我们还确定了关键挑战并概述了未来的研究方向。通过系统地研究这个跨学科领域，我们的综述突出了博弈论和LLM的相互影响，促进了这些领域交叉点的进步。

🔬 方法详解

问题定义：现有研究主要集中于利用博弈论评估大语言模型（LLM）在特定博弈场景下的表现，例如合作博弈、零和博弈等。然而，这种研究视角较为单一，忽略了LLM对博弈论本身的潜在贡献，以及博弈论如何更深入地提升LLM的性能和可解释性。现有综述也缺乏对博弈论与LLM双向关系的系统性梳理。

核心思路：论文的核心思路是全面考察博弈论与LLM之间的双向互动关系，并构建一个系统的分类框架，将现有研究划分为四个主要视角。通过这种方式，论文旨在揭示该交叉领域的研究全貌，并为未来的研究提供更广阔的视角和更清晰的方向。

技术框架：论文构建的分类框架包含四个主要视角： 1. 评估LLM：利用博弈论场景评估LLM的策略能力、合作能力等。 2. 改进LLM：使用博弈论概念（如机制设计、均衡分析）来提升LLM的可解释性、对齐性和鲁棒性。 3. 建模LLM竞争：将LLM的发展和应用视为一个竞争环境，利用博弈论模型分析其社会影响和潜在风险。 4. 增强博弈论：利用LLM的强大能力来解决复杂的博弈论问题，例如博弈建模、策略生成和均衡求解。

关键创新：论文最重要的创新在于提出了一个全新的、全面的分类框架，用于理解博弈论与LLM之间的双向关系。该框架超越了以往研究中单向的评估视角，涵盖了LLM对博弈论的潜在贡献，以及博弈论如何改进LLM。这种双向视角有助于更深入地理解这两个领域之间的相互作用。

关键设计：论文的关键设计在于对现有研究进行细致的梳理和分类，并基于此构建了一个逻辑清晰、结构完整的分类框架。该框架的四个视角相互关联，共同构成了一个对博弈论与LLM交叉领域研究的全面概括。论文还对每个视角下的具体研究进行了详细的分析和总结，并指出了未来的研究方向。

📊 实验亮点

该论文是首个全面综述博弈论与大语言模型双向关系的工作，提出了一个新颖的四视角分类框架，为该领域的研究提供了清晰的结构。通过对现有研究的系统分析，论文总结了关键挑战并指出了未来研究方向，为研究人员提供了宝贵的参考。

🎯 应用场景

该研究成果可应用于多个领域，例如：评估和改进LLM的决策能力，提升LLM在复杂环境中的表现；利用LLM解决传统博弈论难题，加速博弈论研究进展；分析LLM技术发展带来的社会影响，为政策制定提供参考。该综述为相关研究人员提供了一个全面的知识框架，促进跨学科合作与创新。

📄 摘要（原文）

Game theory is a foundational framework for analyzing strategic interactions, and its intersection with large language models (LLMs) is a rapidly growing field. However, existing surveys mainly focus narrowly on using game theory to evaluate LLM behavior. This paper provides the first comprehensive survey of the bidirectional relationship between Game Theory and LLMs. We propose a novel taxonomy that categorizes the research in this intersection into four distinct perspectives: (1) evaluating LLMs in game-based scenarios; (2) improving LLMs using game-theoretic concepts for better interpretability and alignment; (3) modeling the competitive landscape of LLM development and its societal impact; and (4) leveraging LLMs to advance game models and to solve corresponding game theory problems. Furthermore, we identify key challenges and outline future research directions. By systematically investigating this interdisciplinary landscape, our survey highlights the mutual influence of game theory and LLMs, fostering progress at the intersection of these fields.