货主变算法：候选曝光、信息设计与LLM中介货运市场的集中化

一项模拟研究发现，当货主使用基于OpenAI GPT、Anthropic Claude和Google Gemini的LLM代理选择承运商时，代理会迅速收敛到同一承运商（首日最高吸引76%请求），导致市场集中度上升。当显示列表超过约10个承运商时集中度加剧。显示真实质量而非估计评级未改变集中度。披露承运商每日剩余容量可降低集中度三分之一并使货主盈余翻倍。

与人类选择相比，LLM代理可能加剧货运市场集中度，影响竞争和价格弹性。但平台可通过披露剩余容量信息有效缓解风险，这为LLM中介市场的设计提供了新依据。

LLM代理根据平台显示的候选列表选择承运商，由于模型架构和训练数据相似，代理对同一承运商偏好排序高度一致。列表长度增加使低排名承运商被选择概率骤降，而披露剩余容量改变了代理的效用函数，使其分散选择。

货运匹配平台需控制候选列表长度（约10个以内），并优先展示承运商剩余容量而非仅依赖评分。否则可能导致单一承运商拥堵、其他运力闲置，损害平台匹配效率。

• 在LLM代理选承运商的场景中，将每次显示的候选列表上限设为10个，防止过度集中
• 公开承运商每日剩余容量，并作为排序权重之一，降低集中度同时提升货主盈余
• 引入列表顺序随机化或供应商多样性提示，减少单一模型偏好导致的锁定效应

• 不同LLM模型（GPT、Claude、Gemini）在相同列表长度下的集中度差异是否有显著统计意义？
• 模拟中货主代理完全委托LLM选择，现实中货主是否会混合人工干预从而改变结果？
• 披露剩余容量长期是否会引发承运商策略性报价或隐藏容量？