На ANAC 2026 агентов-переговорщиков оценивали за обман
На IJCAI-ECAI 2026 в Бремене 20 августа объявили победителей 17-го Automated Negotiating Agents Competition — в его главной лиге программных агентов оценивают не только по заключённым сделкам, но и по тому, насколько убедительно они обманывают оппонента за столом переговоров.
20 августа 2026 года организаторы Automated Negotiating Agents Competition (ANAC) объявили победителей двух основных лиг на конференции IJCAI-ECAI 2026, которая прошла 15-21 августа в Бремене, Германия. В 17-й раз ANAC сталкивает автономных программных агентов в двусторонних переговорах, и в зачёте Automated Negotiation League (ANL) агентов оценивают сразу по двум параметрам: по ценности заключённой сделки и по тому, насколько убедительно агент вводит оппонента в заблуждение.
Победителем ANL стал MirageV145, созданный Avinash Pathak из IIIT Hyderabad, опередивший PerikosV3 и AaNanteLucky — оба из Tokyo University of Agriculture and Technology (TUAT) в Японии. Призовые были скромными — 350, 250 и 150 евро за первое, второе и третье места, — что напоминает: это университетское исследовательское соревнование, а не индустриальная витрина. Из 40 зарегистрированных заявок до финального турнира дошли 32 агента, прошедших квалификацию; финал состоял из 25,600 отдельных переговоров по восьми сценариям на открытой платформе NegMAS.
Прямая оценка обмана — редкость. Большинство исследований в области автоматизированных переговоров, области, которую ANAC определяет задолго до нынешней волны бенчмарков для языковых моделей, измеряет агентов по эффективности достижения соглашения — насколько близко обе стороны подходят к лучшей доступной им сделке. Второй параметр ANL спрашивает о другом: достаточно ли точна модель оппонента у агента, чтобы им манипулировать, и продолжает ли протокол переговоров работать, когда одна из сторон ведёт себя недобросовестно. Это более узкий и состязательный вопрос, чем задают большинство игровых бенчмарков.
Второй трек ANAC, Supply Chain Management League (SCML), заставляет агентов управлять не разовыми сделками, а целыми фабриками. Каждый агент одновременно ведёт несколько закрытых переговоров с поставщиками и покупателями, пытаясь максимизировать прибыль при фиксированных собственных производственных мощностях. Лига делится на треки OneShot и Standard: агентов OneShot подали 18 команд, из них до финала дошли 13; агентов Standard подали 21 команда, из них до финала дошли 14.
Оба трека SCML выиграл один и тот же человек — Yuzuru Kitamura из TUAT: его LatticeOneshotAgent победил в OneShot, а HorizonAwareAgent — в Standard, каждый получил главный приз в 350 евро. Победа сразу в двух треках, которые используют один симулятор, но различаются горизонтом планирования, говорит скорее о глубоком знании самой платформы SCML, чем об агенте, заточенном под конкретный формат.
Как и в ANL, на подиуме SCML доминировали TUAT и другие японские лаборатории, наряду с заявками из Китая и Турции — состав участников почти целиком состоит из академических групп по мультиагентным системам, а не из коммерческих ИИ-лабораторий. Публикация кода и технического отчёта каждого агента-победителя — обязательное условие участия, что делает результаты воспроизводимыми так, как это редко бывает у закрытых индустриальных лидербордов.
Соревнование существует дольше, чем нынешний бум ИИ-агентов, которые ведут переговоры от имени пользователя — бронируют, покупают или заключают контракты в автоматическом обмене репликами с агентом другой системы. Оценка обмана в ANAC — узкое академическое упражнение, а не продуктовый бенчмарк, но оно указывает на вопрос, на который этой области ещё предстоит ответить: что происходит с автоматизированными переговорами, когда другая сторона оптимизирует не заключение сделки, а введение вас в заблуждение.