論文の概要: Investigating Tax Evasion Emergence Using Dual Large Language Model and Deep Reinforcement Learning Powered Agent-based Simulation

• arxiv url: http://arxiv.org/abs/2501.18177v1
• Date: Thu, 30 Jan 2025 07:14:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:12:55.734331
• Title: Investigating Tax Evasion Emergence Using Dual Large Language Model and Deep Reinforcement Learning Powered Agent-based Simulation
• Title（参考訳）: 二重大言語モデルと深層強化学習によるエージェント・ベース・シミュレーションによる税収拡大の検討
• Authors: Teddy Lazebnik, Labib Shami,
• Abstract要約: 本研究では,脱税のダイナミクスと非公式経済活動の出現を明らかにするための新しい計算枠組みを提案する。 このフレームワークには,大規模言語モデルと深層強化学習が使用されている。 調査の結果,個人の性格特性,外的物語,施行可能性,公共財提供の効率性は,非公式な経済活動のタイミングと範囲に大きな影響を及ぼすことがわかった。
• 参考スコア（独自算出の注目度）: 0.6906005491572401
• License:
• Abstract: Tax evasion, usually the largest component of an informal economy, is a persistent challenge over history with significant socio-economic implications. Many socio-economic studies investigate its dynamics, including influencing factors, the role and influence of taxation policies, and the prediction of the tax evasion volume over time. These studies assumed such behavior is given, as observed in the real world, neglecting the "big bang" of such activity in a population. To this end, computational economy studies adopted developments in computer simulations, in general, and recent innovations in artificial intelligence (AI), in particular, to simulate and study informal economy appearance in various socio-economic settings. This study presents a novel computational framework to examine the dynamics of tax evasion and the emergence of informal economic activity. Employing an agent-based simulation powered by Large Language Models and Deep Reinforcement Learning, the framework is uniquely designed to allow informal economic behaviors to emerge organically, without presupposing their existence or explicitly signaling agents about the possibility of evasion. This provides a rigorous approach for exploring the socio-economic determinants of compliance behavior. The experimental design, comprising model validation and exploratory phases, demonstrates the framework's robustness in replicating theoretical economic behaviors. Findings indicate that individual personality traits, external narratives, enforcement probabilities, and the perceived efficiency of public goods provision significantly influence both the timing and extent of informal economic activity. The results underscore that efficient public goods provision and robust enforcement mechanisms are complementary; neither alone is sufficient to curtail informal activity effectively.
• Abstract（参考訳）: 通常、非公式経済の最大の要素である脱税は、社会経済的に重要な意味を持つ歴史に対する永続的な挑戦である。 多くの社会経済的研究は、影響要因、課税政策の役割と影響、時間の経過に伴う脱税量の予測など、そのダイナミクスを調査している。 これらの研究は、現実世界で見られるように、人口のこのような活動の「ビッグバン」を無視してそのような行動が与えられると仮定した。 この目的のために、計算経済学の研究は、コンピュータシミュレーション、一般に、人工知能(AI)の最近の革新、特に様々な社会経済的環境における非公式な経済の出現をシミュレートし研究するために、開発を取り入れた。 本研究では,脱税のダイナミクスと非公式経済活動の出現を明らかにするための新しい計算枠組みを提案する。 大規模言語モデルとDeep Reinforcement Learningを駆使したエージェントベースのシミュレーションを用いて、このフレームワークは、非公式な経済行動が、その存在を前提にすることなく、また、回避の可能性について明示的にエージェントに知らせることなく、有機的に発生できるようにするように設計されている。 これは、コンプライアンス行動の社会経済的決定要因を探索するための厳密なアプローチを提供する。 モデル検証と探索段階を含む実験設計は、理論的経済行動の再現におけるフレームワークの堅牢性を示す。 調査の結果,個人の性格特性,外的物語,施行可能性,公共財提供の効率性は,非公式な経済活動のタイミングと範囲に大きな影響を及ぼすことがわかった。 その結果、効率的な公益品供給とロバストな執行機構は相補的であり、非公式な活動を効果的に調整するのに十分なものでもないことが判明した。

関連論文リスト

• AI-Enabled Rent-Seeking: How Generative AI Alters Market Transparency and Efficiency [7.630624512225164]
  生成的人工知能(AI)は、情報環境を変革し、機会と課題の両方を生み出した。 本稿では,ジェネレーティブAIが経済的賃貸購入行動にどのように影響するか,社会福祉に与える影響を考察する。
  論文  参考訳（メタデータ） (2025-02-18T15:40:22Z)
• TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets [24.354300029071418]
  大規模言語モデル(LLM)エージェントは人間の振る舞いをモデル化するためのシミュレーションツールとして注目を集めている。 社会経済システムのシミュレートにLLMを活用する新しいマルチエージェントフレームワークであるTwinMarketを紹介した。 我々のアプローチは、個人の意思決定と集団社会経済パターンの間の複雑な相互作用に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-03T16:39:48Z)
• Reinforcement Learning under Latent Dynamics: Toward Statistical and Algorithmic Modularity [51.40558987254471]
  強化学習の現実的な応用は、エージェントが複雑な高次元の観察を行う環境を含むことが多い。 本稿では,統計的・アルゴリズム的な観点から,textit General$ latent dynamicsの下での強化学習の課題に対処する。
  論文  参考訳（メタデータ） (2024-10-23T14:22:49Z)
• 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)
• 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)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)
• 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)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)

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。