論文の概要: Socio-Economic Model of AI Agents

• arxiv url: http://arxiv.org/abs/2509.23270v1
• Date: Sat, 27 Sep 2025 11:56:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.136063
• Title: Socio-Economic Model of AI Agents
• Title（参考訳）: AIエージェントの社会経済モデル
• Authors: Yuxinyue Qian, Jun Liu,
• Abstract要約: 資源制約下でのAIコラボレーションが社会的なアウトプットに及ぼす影響について検討する。 AIエージェントの導入は、社会全体のアウトプットを大幅に増加させる可能性がある。
• 参考スコア（独自算出の注目度）: 6.345776306229298
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern socio-economic systems are undergoing deep integration with artificial intelligence technologies. This paper constructs a heterogeneous agent-based modeling framework that incorporates both human workers and autonomous AI agents, to study the impact of AI collaboration under resource constraints on aggregate social output. We build five progressively extended models: Model 1 serves as the baseline of pure human collaboration; Model 2 introduces AI as collaborators; Model 3 incorporates network effects among agents; Model 4 treats agents as independent producers; and Model 5 integrates both network effects and independent agent production. Through theoretical derivation and simulation analysis, we find that the introduction of AI agents can significantly increase aggregate social output. When considering network effects among agents, this increase exhibits nonlinear growth far exceeding the simple sum of individual contributions. Under the same resource inputs, treating agents as independent producers provides higher long-term growth potential; introducing network effects further demonstrates strong characteristics of increasing returns to scale.
• Abstract（参考訳）: 現代の社会経済システムは、人工知能技術と深く統合されている。 本稿では、人的労働者と自律型AIエージェントの両方を組み込んだ異種エージェントベースモデリングフレームワークを構築し、資源制約下でのAIコラボレーションが社会的なアウトプットに与える影響について検討する。 モデル1は純粋な人間のコラボレーションのベースラインとして機能し、モデル2はAIを協力者として導入し、モデル3はエージェント間のネットワーク効果を取り入れ、モデル4はエージェントを独立したプロデューサとして扱い、モデル5はネットワーク効果と独立したエージェント生産の両方を統合する。 理論的導出とシミュレーション分析により、AIエージェントの導入により、社会的なアウトプットが大幅に増加することが判明した。 エージェント間のネットワーク効果を考慮すると、この増加は個々の寄与の単純な総和をはるかに超える非線形成長を示す。 同じリソース入力の下では、エージェントを独立したプロデューサとして扱うことにより、長期的な成長可能性が高くなり、ネットワーク効果の導入により、スケールするリターンの強い特性が示される。

関連論文リスト

• The Collaboration Paradox: Why Generative AI Requires Both Strategic Intelligence and Operational Stability in Supply Chain Management [0.0]
  経済環境における自律的、AI駆動エージェントの台頭は、その突発的な戦略行動に関する批判的な疑問を提起する。 本稿では,複数エケロン系サプライチェーンの協調的文脈におけるこれらのダイナミクスについて検討する。 私たちの中心的な発見は、"コラボレーションパラドックス"(colaboration paradox)です。これは、理論上優れた協調AIエージェントが非AIベースラインよりもさらにパフォーマンスが劣る、新しい、破滅的な障害モードです。
  論文  参考訳（メタデータ） (2025-08-19T15:31:23Z)
• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• Modeling AI-Human Collaboration as a Multi-Agent Adaptation [0.0]
  タスクの関数としてAIと人間のコラボレーションを形式化するエージェントベースのシミュレーションを開発する。 モジュラータスクでは、AIが人間の代わりになることが多いことを示します。 また、記憶や構造が欠如している「幻覚的」AIでさえ、ローカルオプティマから逃れることによって、低能力な人間を増強することで、結果を改善することも示しています。
  論文  参考訳（メタデータ） (2025-04-29T16:19:53Z)
• Variance reduction in output from generative AI [11.248899695350323]
  我々は、生成型AIモデルが本質的に「平均への回帰」現象を起こしやすいことを実証した。 本研究は, この現象の社会的意味を, 社会的・集団的・個人的・2次元的・物質的・非物質的な3段階にわたって論じる。
  論文  参考訳（メタデータ） (2025-03-02T21:34:10Z)
• Designing AI-Agents with Personalities: A Psychometric Approach [2.854338743097065]
  本稿では,定量的かつ心理学的に検証された個人性をAIエージェントに割り当てる手法を提案する。 3つの研究で実現可能性と限界を評価した。
  論文  参考訳（メタデータ） (2024-10-25T01:05:04Z)
• xLAM: A Family of Large Action Models to Empower AI Agent Systems [111.5719694445345]
  AIエージェントタスク用に設計された大規模なアクションモデルであるxLAMをリリースする。 xLAMは、複数のエージェント能力ベンチマークで例外的なパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-09-05T03:22:22Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Modeling Bounded Rationality in Multi-Agent Simulations Using Rationally Inattentive Reinforcement Learning [85.86440477005523]
  我々は、人間不合理性の確立されたモデルであるRational Inattention(RI)モデルを含む、より人間的なRLエージェントについて検討する。 RIRLは、相互情報を用いた認知情報処理のコストをモデル化する。 我々は、RIRLを用いることで、合理的な仮定の下で発見されたものと異なる、新しい平衡挙動の豊富なスペクトルが得られることを示す。
  論文  参考訳（メタデータ） (2022-01-18T20:54:00Z)

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。