論文の概要: Simulating Macroeconomic Expectations using LLM Agents

• arxiv url: http://arxiv.org/abs/2505.17648v1
• Date: Fri, 23 May 2025 09:11:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.118902
• Title: Simulating Macroeconomic Expectations using LLM Agents
• Title（参考訳）: LLMエージェントを用いたマクロ経済予測のシミュレーション
• Authors: Jianhao Lin, Lexuan Sun, Yixin Yan,
• Abstract要約: 我々は,Large Language Model-Empowered Agents (LLM Agents) を用いたマクロ経済予測形成をシミュレーションするための新しいフレームワークを提案する。 個人的特性,事前期待,知識のモジュールを備えたLLMエージェントを数千個構築することにより,家庭や専門家によるインフレーションと失業に関する調査実験を再現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce a novel framework for simulating macroeconomic expectation formation using Large Language Model-Empowered Agents (LLM Agents). By constructing thousands of LLM Agents equipped with modules for personal characteristics, prior expectations, and knowledge, we replicate a survey experiment involving households and experts on inflation and unemployment. Our results show that although the expectations and thoughts generated by LLM Agents are more homogeneous than those of human participants, they still effectively capture key heterogeneity across agents and the underlying drivers of expectation formation. Furthermore, a module-ablation exercise highlights the critical role of prior expectations in simulating such heterogeneity. This approach complements traditional survey methods and offers new insights into AI behavioral science in macroeconomic research.
• Abstract（参考訳）: 本稿では,Large Language Model-Empowered Agents (LLM Agents) を用いたマクロ経済予測生成のシミュレーションフレームワークを提案する。 個人的特性,事前期待,知識のモジュールを備えたLLMエージェントを数千個構築することにより,家庭や専門家によるインフレーションと失業に関する調査実験を再現する。 以上の結果から, LLMエージェントが生み出す期待と思考は, ヒトよりも均一であるが, エージェント間の重要な不均一性や, 期待形成の要因を効果的に捉えていることが明らかとなった。 さらに、モジュールアブレーションのエクササイズは、そのような不均一性をシミュレートする上で、事前期待の重要な役割を強調している。 このアプローチは従来の調査手法を補完し、マクロ経済学研究におけるAI行動科学の新しい洞察を提供する。

関連論文リスト

• ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning [54.787341008881036]
  Reinforced Meta-thinking Agents(ReMA)は,MARL(Multi-Agent Reinforcement Learning)を利用したメタ思考行動の抽出手法である。 ReMAは、推論プロセスを2つの階層的なエージェントに分解する。戦略上の監視と計画を生成するハイレベルなメタ思考エージェントと、詳細な実行のための低レベルな推論エージェントである。 実験の結果、ReMAは複雑な推論タスクにおいて単一エージェントRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-03-12T16:05:31Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• A Survey on Self-Evolution of Large Language Models [116.54238664264928]
  大規模言語モデル(LLM)は、様々な分野やインテリジェントエージェントアプリケーションにおいて大きく進歩している。 この問題に対処するために、LLMが自律的に獲得し、洗練し、モデル自身によって生成された経験から学ぶことができる自己進化的アプローチが急速に成長している。
  論文  参考訳（メタデータ） (2024-04-22T17:43:23Z)
• Computational Experiments Meet Large Language Model Based Agents: A Survey and Perspective [16.08517740276261]
  計算実験は複雑なシステムを研究するための貴重な方法として登場した。 エージェントベースモデリング(ABM)における実際の社会システムを正確に表現することは、人間の多様性と複雑な特性のために困難である。 大規模言語モデル(LLM)の統合が提案され、エージェントが人為的な能力を持つことができる。
  論文  参考訳（メタデータ） (2024-02-01T01:17:46Z)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)

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。