論文の概要: EconGym: A Scalable AI Testbed with Diverse Economic Tasks
- arxiv url: http://arxiv.org/abs/2506.12110v1
- Date: Fri, 13 Jun 2025 09:35:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:45.200714
- Title: EconGym: A Scalable AI Testbed with Diverse Economic Tasks
- Title(参考訳): EconGym: さまざまな経済タスクでテスト可能なスケーラブルAI
- Authors: Qirui Mi, Qipeng Yang, Zijun Fan, Wentian Fan, Heyang Ma, Chengdong Ma, Siyu Xia, Bo An, Jun Wang, Haifeng Zhang,
- Abstract要約: EconGymは、多様な経済タスクとAIアルゴリズムを結びつけるスケーラブルなテストベッドです。
ユーザは多様なエージェントアルゴリズムで経済的役割を柔軟に構成し、リッチなマルチエージェントトラジェクトリをシミュレートすることができる。
その結果、よりリッチなタスク構成とアルゴリズムの多様性がポリシー空間を広げていることが示唆された。
- 参考スコア(独自算出の注目度): 14.392383131881877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) has become a powerful tool for economic research, enabling large-scale simulation and policy optimization. However, applying AI effectively requires simulation platforms for scalable training and evaluation-yet existing environments remain limited to simplified, narrowly scoped tasks, falling short of capturing complex economic challenges such as demographic shifts, multi-government coordination, and large-scale agent interactions. To address this gap, we introduce EconGym, a scalable and modular testbed that connects diverse economic tasks with AI algorithms. Grounded in rigorous economic modeling, EconGym implements 11 heterogeneous role types (e.g., households, firms, banks, governments), their interaction mechanisms, and agent models with well-defined observations, actions, and rewards. Users can flexibly compose economic roles with diverse agent algorithms to simulate rich multi-agent trajectories across 25+ economic tasks for AI-driven policy learning and analysis. Experiments show that EconGym supports diverse and cross-domain tasks-such as coordinating fiscal, pension, and monetary policies-and enables benchmarking across AI, economic methods, and hybrids. Results indicate that richer task composition and algorithm diversity expand the policy space, while AI agents guided by classical economic methods perform best in complex settings. EconGym also scales to 10k agents with high realism and efficiency.
- Abstract(参考訳): 人工知能(AI)は経済研究の強力なツールとなり、大規模なシミュレーションと政策最適化を可能にしている。
しかし、AIを効果的に適用するには、スケーラブルなトレーニングと評価のためのシミュレーションプラットフォームが必要であり、既存の環境は、人口動態の変化、複数政府調整、大規模エージェントのインタラクションといった複雑な経済的課題を捉えていないため、単純化されたスコープの狭いタスクに限定されている。
このギャップに対処するために、さまざまな経済タスクとAIアルゴリズムを接続するスケーラブルでモジュール化されたテストベッドであるEconGymを紹介します。
厳密な経済モデルに基づいて、EconGymは11種類の異種の役割タイプ(例えば、家庭、企業、銀行、政府)、相互作用メカニズム、そして明確に定義された観察、行動、報酬を伴うエージェントモデルを実装している。
ユーザは多様なエージェントアルゴリズムで経済的役割を柔軟に構成し、AIによる政策学習と分析のために25以上の経済的タスクにまたがる豊富なマルチエージェントの軌道をシミュレートすることができる。
実験によると、EconGymは財政、年金、金融政策の調整など、多種多様なドメイン横断タスクをサポートし、AI、経済手法、ハイブリッドのベンチマークを可能にする。
その結果、よりリッチなタスク構成とアルゴリズムの多様性がポリシー空間を拡大し、古典的な経済手法で導かれたAIエージェントは複雑な環境で最高のパフォーマンスを発揮することが示された。
EconGymはまた、高いリアリズムと効率性を持つ10kエージェントまでスケールする。
関連論文リスト
- Transforming the Hybrid Cloud for Emerging AI Workloads [82.21522417363666]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳(メタデータ) (2024-11-20T11:57:43Z) - 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) - 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) - 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) - ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in
Multi-Agent Simulations [110.72725220033983]
Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。
ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。
特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
論文 参考訳(メタデータ) (2021-06-10T04:32:20Z) - 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)
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。