論文の概要: Large Language Model-Empowered Agents for Simulating Macroeconomic
Activities
- arxiv url: http://arxiv.org/abs/2310.10436v1
- Date: Mon, 16 Oct 2023 14:19:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 13:57:40.032700
- Title: Large Language Model-Empowered Agents for Simulating Macroeconomic
Activities
- Title(参考訳): マクロ経済活動のシミュレーションのための大規模言語モデルエンパワーエージェント
- Authors: Nian Li, Chen Gao, Yong Li, Qingmin Liao
- Abstract要約: 大規模言語モデル(LLM)は、最近、自律的な人間のような特徴を提供することで有名になった。
我々は,人為的な意思決定と適応性を示すために,プロンプトエンジニアリング駆動型LLMエージェントを設計する。
我々の研究は、LLMとその人間的特性に基づいてマクロ経済学をシミュレートする有望な可能性を実証している。
- 参考スコア(独自算出の注目度): 48.562881909568354
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The advent of the Web has brought about a paradigm shift in traditional
economics, particularly in the digital economy era, enabling the precise
recording and analysis of individual economic behavior. This has led to a
growing emphasis on data-driven modeling in macroeconomics. In macroeconomic
research, Agent-based modeling (ABM) emerged as an alternative, evolving
through rule-based agents, machine learning-enhanced decision-making, and, more
recently, advanced AI agents. However, the existing works are suffering from
three main challenges when endowing agents with human-like decision-making,
including agent heterogeneity, the influence of macroeconomic trends, and
multifaceted economic factors. Large language models (LLMs) have recently
gained prominence in offering autonomous human-like characteristics. Therefore,
leveraging LLMs in macroeconomic simulation presents an opportunity to overcome
traditional limitations. In this work, we take an early step in introducing a
novel approach that leverages LLMs in macroeconomic simulation. We design
prompt-engineering-driven LLM agents to exhibit human-like decision-making and
adaptability in the economic environment, with the abilities of perception,
reflection, and decision-making to address the abovementioned challenges.
Simulation experiments on macroeconomic activities show that LLM-empowered
agents can make realistic work and consumption decisions and emerge more
reasonable macroeconomic phenomena than existing rule-based or AI agents. Our
work demonstrates the promising potential to simulate macroeconomics based on
LLM and its human-like characteristics.
- Abstract(参考訳): ウェブの出現は、伝統的な経済、特にデジタル経済時代におけるパラダイムシフトをもたらし、個々の経済行動の正確な記録と分析を可能にした。
これにより、マクロ経済学におけるデータ駆動モデリングへの注目が高まっている。
マクロ経済学の研究において、エージェントベースモデリング(ABM)が代替として登場し、ルールベースのエージェント、機械学習による意思決定、さらに最近では高度なAIエージェントを通じて進化した。
しかし, エージェントの不均質性, マクロ経済動向の影響, 多面的経済要因など, ヒューマンライクな意思決定を伴う内皮剤は, 主に3つの課題に直面している。
大規模言語モデル(llm)は最近、自律的な人間のような特性を提供することで注目を集めている。
したがって、マクロ経済学シミュレーションにおけるLLMの利用は、従来の制限を克服する機会となる。
本研究では,LLMをマクロ経済シミュレーションに応用した新しい手法を導入するための第一歩を踏み出した。
我々は,人為的な意思決定と経済環境への適応性を示すために,先行する課題に対処するために,迅速なエンジニアリング駆動型LCMエージェントを設計する。
マクロ経済活動に関するシミュレーション実験は、LCMを動力とするエージェントが現実的な仕事や消費の決定を行い、既存のルールベースのエージェントやAIエージェントよりも合理的なマクロ経済現象を発生させることができることを示している。
本研究は,llmに基づくマクロ経済学とその人間的特徴をシミュレートする可能性を示す。
関連論文リスト
- LLM-driven Imitation of Subrational Behavior : Illusion or Reality? [3.2365468114603937]
既存の作業は、複雑な推論タスクに対処し、人間のコミュニケーションを模倣する大規模言語モデルの能力を強調している。
そこで本研究では,LLMを用いて人工人体を合成し,サブリレーショナル・エージェント・ポリシーを学習する手法を提案する。
我々は,4つの単純なシナリオを通して,サブリレータリティをモデル化するフレームワークの能力について実験的に評価した。
論文 参考訳(メタデータ) (2024-02-13T19:46:39Z) - Systematic Biases in LLM Simulations of Debates [14.12892960275563]
本研究では,人間の相互作用をシミュレーションする際のLLM(Large Language Models)の限界を明らかにする。
以上の結果から,LLMエージェントが特定の政治的視点から議論される一方で,モデル固有の社会的バイアスに適合する傾向が示唆された。
この傾向は、人間の間で確立された社会的ダイナミクスから逸脱しているように見える行動パターンをもたらす。
論文 参考訳(メタデータ) (2024-02-06T14:51:55Z) - Can Large Language Models Replace Economic Choice Prediction Labs? [24.05034588588407]
言語に基づく説得ゲームにおいて, LLM生成データのみに基づいてトレーニングされたモデルにより, 人間の行動の予測が効果的に可能であることを示す。
特に,LLM生成データのみを訓練したモデルでは,言語に基づく説得ゲームにおいて,人間の行動を効果的に予測できることを示す。
論文 参考訳(メタデータ) (2024-01-30T20:49:47Z) - CLOMO: Counterfactual Logical Modification with Large Language Models [113.72984199026094]
本稿では,新しいタスク,CLOMO(Counterfactual Logical Modification)と高品質な人間アノテーションベンチマークを紹介する。
生成モデルのカウンターファクトの能力を効果的に評価するために,革新的な評価指標であるLogicAware Counterfactual Scoreを提案する。
分析の結果,提案手法は人間の好みとよく一致していることがわかった。
論文 参考訳(メタデータ) (2023-11-29T08:29:54Z) - Forecasting and stabilizing chaotic regimes in two macroeconomic models
via artificial intelligence technologies and control methods [0.3670422696827526]
経済における重要な課題の1つは、将来の経済変数の値に対する経済エージェントの期待を予測することである。
数学的モデルの振る舞いはカオスを含む不規則であり、予測力を低下させる。
2つの経済モデルの振舞いの状況を調査し、不規則な力学を同定する。
論文 参考訳(メタデータ) (2023-02-20T11:55:15Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳(メタデータ) (2022-03-07T18:59:54Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳(メタデータ) (2022-01-03T17:00:17Z) - Automated Machine Learning, Bounded Rationality, and Rational
Metareasoning [62.997667081978825]
有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。
リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
論文 参考訳(メタデータ) (2021-09-10T09:10:20Z) - The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning [126.37520136341094]
機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。
AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
論文 参考訳(メタデータ) (2021-08-05T17:42:35Z) - Solving Heterogeneous General Equilibrium Economic Models with Deep
Reinforcement Learning [0.0]
一般均衡マクロ経済モデルは、政策立案者が国の経済を理解するために使う中核ツールである。
私たちは強化学習の手法を使って、単純で異種で計算効率の良い方法でこれらのモデルを解く。
論文 参考訳(メタデータ) (2021-03-31T10:55:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。