STRIDE: Uma Estrutura de Agente LLM Assistida por Ferramentas para Tomada de Decisão Estratégica e Interativa

Modelos de Linguagem de Grande Porte (LLMs) como o GPT-4 revolucionaram o processamento de linguagem natural, exibindo notável proficiência linguística e capacidades de raciocínio. Entretanto, sua aplicação em ambientes estratégicos de tomada de decisão multiagente é prejudicada por limitações significativas, incluindo raciocínio matemático deficiente, dificuldade em seguir instruções e tendência a gerar informações incorretas. Essas deficiências impedem seu desempenho em tarefas estratégicas e interativas que exigem adesão a regras complexas de jogos, planejamento de longo prazo, exploração em ambientes desconhecidos e antecipação dos movimentos dos oponentes. Para superar esses obstáculos, este artigo apresenta uma nova estrutura de agente LLM equipada com memória e ferramentas especializadas para aprimorar suas capacidades de tomada de decisão estratégica. Implementamos as ferramentas em vários ambientes economicamente importantes, em particular negociação bilateral e design de mecanismos multiagente e dinâmico. Empregamos métricas quantitativas para avaliar o desempenho da estrutura em diversos problemas de decisão estratégica. Nossas descobertas estabelecem que nossa estrutura aprimorada melhora significativamente a capacidade de tomada de decisão estratégica dos LLMs. Embora ressaltamos as limitações inerentes dos modelos LLM atuais, mostramos as melhorias por meio de aprimoramentos direcionados, sugerindo uma direção promissora para futuros desenvolvimentos nas aplicações de LLM para ambientes interativos.