Fugu-MT 論文翻訳(概要): Left Leaning Models: AI Assumptions on Economic Policy

論文の概要: Left Leaning Models: AI Assumptions on Economic Policy

arxiv url: http://arxiv.org/abs/2507.15771v1
Date: Mon, 21 Jul 2025 16:27:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-22 20:51:32.480541
Title: Left Leaning Models: AI Assumptions on Economic Policy
Title（参考訳）: 左のリーンモデル:AIによる経済政策の推測
Authors: Maxim Chupilkin,
Abstract要約: 本稿では,大規模言語モデルによる経済政策評価に影響を及ぼす主な要因を明らかにするために,コンジョイント実験を用いる。 LLMは失業、不平等、金融安定、環境被害に最も敏感であり、経済成長、インフレ、政府債務といった従来のマクロ経済の懸念にはあまり敏感ではない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: How does AI think about economic policy? While the use of large language models (LLMs) in economics is growing exponentially, their assumptions on economic issues remain a black box. This paper uses a conjoint experiment to tease out the main factors influencing LLMs' evaluation of economic policy. It finds that LLMs are most sensitive to unemployment, inequality, financial stability, and environmental harm and less sensitive to traditional macroeconomic concerns such as economic growth, inflation, and government debt. The results are remarkably consistent across scenarios and across models.
Abstract（参考訳）: AIは経済政策をどう考えるか? 経済学における大規模言語モデル(LLM)の利用は指数関数的に増加しているが、経済問題に対する彼らの仮定はブラックボックスのままである。本稿では,LLMの経済政策評価に影響を及ぼす主な要因を明らかにするために,コンジョイント実験を用いた。 LLMは失業、不平等、金融安定、環境被害に最も敏感であり、経済成長、インフレ、政府債務といった従来のマクロ経済の懸念にはあまり敏感ではない。結果は、シナリオやモデル間で著しく一貫性があります。

関連論文リスト

Your AI, Not Your View: The Bias of LLMs in Investment Analysis [55.328782443604986]
大規模言語モデル(LLM)は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違により、しばしば知識の衝突に直面している。本稿では, LLMに基づく投資分析において, 確認バイアスの定量的分析を行った。われわれは、大口株に対する一貫した選好と、ほとんどのモデルにおけるコントラリアン戦略を観察する。
論文参考訳（メタデータ） (2025-07-28T16:09:38Z)
Harnessing the Reasoning Economy: A Survey of Efficient Reasoning for Large Language Models [51.85792055455284]
大規模言語モデル(LLM)の最近の進歩は、複雑な推論タスクを実行する能力を大幅に強化している。システム1推論は計算効率が良いが、最適以下の性能をもたらす。システム2推論(System 2 reasoning)は、思考の遅さや非効率性、不必要な推論の振る舞いにより、かなりの計算コストを発生させることが多い。
論文参考訳（メタデータ） (2025-03-31T17:58:07Z)
Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
論文参考訳（メタデータ） (2024-10-24T04:02:30Z)
GLEE: A Unified Framework and Benchmark for Language-based Economic Environments [19.366120861935105]
大規模言語モデル(LLM)は、経済的および戦略的相互作用において大きな可能性を示す。これらの疑問は、LLMベースのエージェントを実世界のデータ駆動システムに統合することの経済的および社会的意味について重要なものとなっている。本稿では,2プレイヤー,シーケンシャル,言語ベースのゲームの研究を標準化するためのベンチマークを紹介する。
論文参考訳（メタデータ） (2024-10-07T17:55:35Z)
LLM economicus? Mapping the Behavioral Biases of LLMs via Utility Theory [20.79199807796242]
ユーティリティ理論は、大きな言語モデルの経済バイアスを評価するためのアプローチである。現在のLLMの経済行動は、完全に人間的でも、完全に経済的なものでもない。
論文参考訳（メタデータ） (2024-08-05T19:00:43Z)
EconNLI: Evaluating Large Language Models on Economics Reasoning [22.754757518792395]
LLM(Large Language Models)は、経済分析レポートの作成や、財政的なアドバイスを提供するために広く使われている。経済分野におけるLLMの知識と推論能力を評価するために,新たなデータセット,経済事象に関する自然言語推論(EconNLI)を提案する。実験の結果, LLMは経済的な推論では洗練されておらず, 誤りや幻覚を生じさせる可能性が示唆された。
論文参考訳（メタデータ） (2024-07-01T11:58:24Z)
Learning Macroeconomic Policies through Dynamic Stackelberg Mean-Field Games [14.341143540616441]
政府(リーダー)はポリシーを設定し、エージェント(フォロワー)は時間とともに彼らの行動を最適化することで対応します。エージェントの数が増加するにつれて、エージェントエージェントとエージェントの相互作用を明示的にシミュレートすることは、計算的に不可能になる。エージェント・ポピュレーションと政府・ポピュレーションの結合による複雑な相互作用を近似する動的スタックバーグ平均場ゲームフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-14T13:22:31Z)
Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
論文参考訳（メタデータ） (2023-11-15T00:02:25Z)
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)
Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty [0.0]
我々の研究は、経済政策の不確実性(EPU)を測定するためのテキストデータ、特にニュース作品の可能性の研究に焦点を当てている。経済政策の不確実性は、新しい政策と将来の経済基本の下で、決定の結果を予測できないと定義されている。本研究は、経済政策の不確実性に関して、ニュース記事の分類を弱くする機械学習ベースのソリューションを提案する。
論文参考訳（メタデータ） (2022-08-10T09:08:29Z)
Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文参考訳（メタデータ） (2021-08-06T01:30:41Z)
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)

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。