論文の概要: Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets

• arxiv url: http://arxiv.org/abs/2510.25779v1
• Date: Mon, 27 Oct 2025 18:35:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.476286
• Title: Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets
• Title（参考訳）: Magentic Marketplace: エージェント市場を研究するためのオープンソース環境
• Authors: Gagan Bansal, Wenyue Hua, Zezhou Huang, Adam Fourney, Amanda Swearngin, Will Epperson, Tyler Payne, Jake M. Hofman, Brendan Lucier, Chinmay Singh, Markus Mobius, Akshay Nambi, Archana Yadav, Kevin Gao, David M. Rothschild, Aleksandrs Slivkins, Daniel G. Goldstein, Hussein Mozannar, Nicole Immorlica, Maya Murad, Matthew Vogel, Subbarao Kambhampati, Eric Horvitz, Saleema Amershi,
• Abstract要約: 本稿では,サービスエージェントが消費者を代表し,サービスエージェントが競合するビジネスを代表する2面のエージェントマーケットプレースについて検討する。 この環境では、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、検索メカニズムが市場の結果をどのように形作るか、といった主要な市場ダイナミクスを研究することができる。 実験の結果、フロンティアモデルは最適な福祉に近づくことができるが、理想的な探索条件下でのみ適用可能であることが判明した。
• 参考スコア（独自算出の注目度）: 74.91125572848439
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As LLM agents advance, they are increasingly mediating economic decisions, ranging from product discovery to transactions, on behalf of users. Such applications promise benefits but also raise many questions about agent accountability and value for users. Addressing these questions requires understanding how agents behave in realistic market conditions. However, previous research has largely evaluated agents in constrained settings, such as single-task marketplaces (e.g., negotiation) or structured two-agent interactions. Real-world markets are fundamentally different: they require agents to handle diverse economic activities and coordinate within large, dynamic ecosystems where multiple agents with opaque behaviors may engage in open-ended dialogues. To bridge this gap, we investigate two-sided agentic marketplaces where Assistant agents represent consumers and Service agents represent competing businesses. To study these interactions safely, we develop Magentic-Marketplace-- a simulated environment where Assistants and Services can operate. This environment enables us to study key market dynamics: the utility agents achieve, behavioral biases, vulnerability to manipulation, and how search mechanisms shape market outcomes. Our experiments show that frontier models can approach optimal welfare-- but only under ideal search conditions. Performance degrades sharply with scale, and all models exhibit severe first-proposal bias, creating 10-30x advantages for response speed over quality. These findings reveal how behaviors emerge across market conditions, informing the design of fair and efficient agentic marketplaces.
• Abstract（参考訳）: LLMエージェントが進むにつれ、彼らは製品発見から取引まで、ユーザーに代わって経済的な決定を仲介し始めている。 このようなアプリケーションはメリットを約束するだけでなく、エージェントのアカウンタビリティとユーザ価値に関する多くの疑問を提起する。 これらの疑問に対処するには、エージェントが現実的な市場環境でどのように振る舞うかを理解する必要がある。 しかし、以前の研究では、単一タスクの市場(例えば交渉)や構造化された2エージェントの相互作用など、制約のある環境でエージェントを評価してきた。 さまざまな経済活動を処理し、不透明な振る舞いを持つ複数のエージェントがオープンエンドの対話を行うような、大規模で動的なエコシステムの中で調整するエージェントが必要である。 このギャップを埋めるために、我々は、アシスタントエージェントが消費者を、サービスエージェントが競合するビジネスを代表する二面的なエージェントマーケットプレースを調査した。 これらの相互作用を安全に研究するために、我々はMagentic-Marketplaceを開発する。これは、アシスタントとサービスが操作できるシミュレーション環境である。この環境は、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、そして探索機構が市場成果をどう形成するかといった、主要な市場ダイナミクスを研究することができる。我々の実験は、フロンティアモデルが最適な福祉に近づくことができるが、理想的な探索条件下でのみ利用できることを示している。 性能はスケールとともに著しく低下し、全てのモデルには厳しい第一原理バイアスがあり、品質よりも応答速度の10-30倍の利点がある。 これらの知見は、公正で効率的なエージェント・マーケットプレースの設計を伝えることで、市場の状況にまたがって行動がどのように現れるかを明らかにする。

関連論文リスト

• Multi-Agent Reinforcement Learning for Market Making: Competition without Collusion [6.598173855286935]
  市場形成におけるアルゴリズム的共謀を研究するための階層型多エージェント強化学習フレームワークを提案する。 このフレームワークは、敵が形作る不確実な環境で訓練される自己関心の市場メーカー(AgentA)を含む。 適応型インセンティブ制御は、異種エージェント環境におけるより持続可能な戦略的共存を支援する。
  論文  参考訳（メタデータ） (2025-10-29T20:07:47Z)
• Towards General Agentic Intelligence via Environment Scaling [78.66355092082253]
  高度なエージェントインテリジェンスは、現実世界のアプリケーションに大規模言語モデルをデプロイするための前提条件である。 完全にシミュレートされた異種環境を自動的に構築するスケーラブルなフレームワークを設計する。 エージェントベンチマーク, tau-bench, tau2-Bench, ACEBenchの実験により, トレーニングモデルである AgentScaler が, モデルの関数呼び出し能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-09-16T17:57:20Z)
• Evaluating LLM Agent Collusion in Double Auctions [1.3194391758295114]
  模擬複競売市場での売り手として働く大規模言語モデル(LLM)の挙動について検討する。 直接販売者間のコミュニケーションは、衝突傾向を高め、衝突する確率はモデルによって異なり、当局による監視や緊急といった環境圧力は、衝突行動に影響を与える。
  論文  参考訳（メタデータ） (2025-07-02T07:06:49Z)
• The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
  大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。 我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
  論文  参考訳（メタデータ） (2025-05-23T11:40:58Z)
• The Agentic Economy [46.77230659526348]
  我々は、消費者と企業の間のコミュニケーション摩擦を減らすことによる、より深い経済的な影響について論じる。 この変化は、市場を再編成し、電力を再分配し、新しい製品やサービスの創出を触媒する可能性がある。
  論文  参考訳（メタデータ） (2025-05-21T17:51:36Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• Stochastic Market Games [10.979093424231532]
  我々は、市場力を利用して、エージェントが協力的になるためのインセンティブを提供することを提案する。 プリソナーズ・ジレンマの反復版で示されているように、提案された市場の定式化はゲームのダイナミクスを変えることができる。 市場の存在は、全体的な結果と、取引活動を通じて個々のリターンを代理する双方を改善することができることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-07-15T10:37:16Z)

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。