递归推理还是统计外推？多智能体互依决策中的上下文学习

该 arXiv 论文研究 LLM agent 的上下文学习（ICL）在多智能体不完全信息博弈中究竟属于递归推理还是统计外推。作者构建公共品博弈，人为改动历史反馈的统计结构，并以与历史无关的理性预期均衡（REE）为基准评估决策质量。结果显示：当历史统计规律被破坏后，长上下文带来的收益基本消失，决策质量退化到无上下文基线，且策略互依性越强退化越明显。

此前对 ICL 的机制研究多集中在单智能体或非策略性任务，本次把诊断推进到需要递归信念推理的多智能体博弈场景，并引入 REE 作为区分推理与外推的基准。它给出的负面证据提示：多智能体产品中依赖长交互历史的性能提升，可能并不来自真正的策略推理。

实验通过控制历史反馈的统计结构这一变量来分离两种机制：若 agent 依赖统计规律，则规律被打乱后其表现应回落；若依赖内部递归推理，则不应如此。结果与统计外推假设一致，且策略互依性放大了这一效应，说明模型可能是在拟合历史分布而非建模对手信念。REE 提供了不依赖历史的对照基准，使这种回落可被量化。

直接含义是：以多轮交互历史作为上下文来提升 agent 决策的产品，其收益可能对历史数据的统计稳定性高度敏感，一旦真实环境分布漂移，性能会退回无上下文水平。研发侧应把上下文长度带来的提升与真实的策略推理能力分开验证，并在互依性强的场景中设置分布扰动测试。

• 在多智能体对话或博弈类产品中，加入历史分布扰动测试，作为长上下文收益的稳定性验收项。
• 用 REE 式不依赖历史的基准替代部分长上下文方案，评估是否可在更低 token 成本下取得接近的决策质量。
• 为需要递归信念推理的场景（如谈判、定价）增加显式的对手建模模块，而不是仅靠拼接交互历史。
• 在评测流程中区分“上下文变长带来的提升”与“策略推理带来的提升”，形成可复用的诊断报告。

• 该结论是否可推广到不完全信息博弈之外的商业任务，如客服、谈判或交易场景？
• 更强模型或经过特定推理训练后的模型，是否仍表现出同样的统计外推特征？
• 实验中策略互依性的具体度量方式和放大幅度未被证据给出。
• 是否存在提示工程或架构改动能让 ICL 在该类环境中转向递归推理。