研究介绍了AucArena，用于评估LLMs在竞争环境中的表现。LLMs展示了参与竞拍所需的技能，但个体能力存在变异性。即使是最先进的模型（GPT-4）有时也会被基准线和人类代理超越。LLMs代理模拟复杂社交动态的潜力巨大，但需要进一步提高代理设计和模拟环境的测试和改进。

本文介绍了一种新型模拟环境AucArena，用于评估大型语言模型在竞争环境中的表现。LLMs在竞拍中展示了许多技能，但个体能力存在较大变异性。即使是最先进的模型GPT-4有时也会被启发式基准线和人类代理超越。作者认为，LLMs代理模拟复杂社交动态的潜力巨大，但需要进一步提高代理设计和模拟环境的测试和改进。