多轮谈判对大语言模型（LLM）代理仍是难点。现有基准大多只统计协议达成率，忽视谈判承诺在执行后是否真正创造价值。为填补这一空白，本文提出 TradeWar——一个多国模拟基准。它将谈判对话映射为关税和贸易份额政策，在结算时强制容量与网络约束，并通过经济健康指数（EHI）评估结果。为解决此类执行导向任务，本文设计了 TACTIC（Trade‑aware Adaptive Consolidation and Theory‑of‑mind for International Commerce）代理。TACTIC 在不更新基础 LLM 权重的前提下，利用历史经验、对手行为和过去结算结果，在多轮迭代中逐步优化谈判策略。实验中，使用零-shot 思考链（CoT）提示的 PromptLLM 达到 75% 的协议率，但最终 EHI 仅为 57.1（满分 100），而 TACTIC 的 EHI 为 68.8。跨 20 场连续对局和三组随机种子，TACTIC 的 EHI 从 58.2 提升至 73.2；去除跨回合更新的对照仅为 65.2。面对技术管制和能源危机冲击，TACTIC 的性能衰减也小于 PromptLLM 与 MemoryLLM。结果表明，仅靠 CoT 推理和交互记忆难以捕捉延迟执行反馈，基于结算的适应机制能够显著提升长时域谈判能力。
点评