論文の概要: Will AI Trade? A Computational Inversion of the No-Trade Theorem

• arxiv url: http://arxiv.org/abs/2512.17952v1
• Date: Wed, 17 Dec 2025 03:55:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.118998
• Title: Will AI Trade? A Computational Inversion of the No-Trade Theorem
• Title（参考訳）: AI取引は非トラド理論の計算的逆転
• Authors: Hanyu Li, Xiaotie Deng,
• Abstract要約: 古典的なno-trade定理は、貿易は異質な信念に起因している。 我々はAIエージェントに対して、この結論を再検討し、取引が計算上の制限から生じるかどうかを問う。 以上の結果から,AIエージェントの計算能力の限界が平衡に達しない状況に繋がる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 12.50922986368726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classic no-trade theorems attribute trade to heterogeneous beliefs. We re-examine this conclusion for AI agents, asking if trade can arise from computational limitations, under common beliefs. We model agents' bounded computational rationality within an unfolding game framework, where computational power determines the complexity of its strategy. Our central finding inverts the classic paradigm: a stable no-trade outcome (Nash equilibrium) is reached only when "almost rational" agents have slightly different computational power. Paradoxically, when agents possess identical power, they may fail to converge to equilibrium, resulting in persistent strategic adjustments that constitute a form of trade. This instability is exacerbated if agents can strategically under-utilize their computational resources, which eliminates any chance of equilibrium in Matching Pennies scenarios. Our results suggest that the inherent computational limitations of AI agents can lead to situations where equilibrium is not reached, creating a more lively and unpredictable trade environment than traditional models would predict.
• Abstract（参考訳）: 古典的なno-trade定理は、貿易は異質な信念に起因している。 我々は、この結論をAIエージェントに再検討し、共通の信念の下で、取引が計算上の制限から生じ得るかどうかを問う。 エージェントの有界な計算合理性を、計算能力がその戦略の複雑さを決定するゲームフレームワーク内でモデル化する。 我々の中心的な発見は古典的パラダイムを逆転させ、安定な非貿易結果(ナッシュ均衡)は「ほぼ合理的」なエージェントがわずかに異なる計算能力を持つ場合にのみ到達する。 逆説的に、エージェントが同一の力を持つ場合、それらは平衡に収束せず、貿易形態を構成する永続的な戦略的調整をもたらす。 この不安定さは、エージェントがその計算資源を戦略的に過小評価できれば悪化し、マッチングペニーのシナリオにおける平衡の可能性がなくなる。 以上の結果から,AIエージェントの計算能力の限界が平衡に達しない状況につながり,従来のモデルが予測するよりも活発で予測不可能な貿易環境が生まれる可能性が示唆された。

関連論文リスト

• How AI Agents Follow the Herd of AI? Network Effects, History, and Machine Optimism [7.1683021355290295]
  本研究では,AIエージェントがネットワーク効果ゲームをどのようにナビゲートするかを検討する。 本稿では,大規模言語モデル(LLM)に基づくエージェントを用いた新しいワークフロー設計を提案する。
  論文  参考訳（メタデータ） (2025-12-12T12:14:48Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• The Free Will Equation: Quantum Field Analogies for AGI [0.0]
  本稿では,AGIエージェントに適応性,制御性を付与する枠組みとして,自由意志方程式(Free Will Equation)を提案する。 中心となる考え方は、AIエージェントの認知状態を潜在的な行動や思考の重ね合わせとして扱うことである。 非定常的マルチアームバンディット環境での実験は、このフレームワークを用いたエージェントがベースライン法よりも高い報酬とポリシーの多様性を達成することを示した。
  論文  参考訳（メタデータ） (2025-07-04T10:25:52Z)
• Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems [0.0]
  我々は正確な数学的つながりを確立し 真に自律的なシステムに対して その将来の行動に関する疑問は 基本的に決定不可能であることを証明します この発見は、人工知能、生物学的モデリング、そして自由意志のような哲学的概念に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2025-05-05T21:24:50Z)
• Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts [20.8288955218712]
  本稿では,マルコフ決定プロセス(MDP)のエージェントを一連の契約でガイドするフレームワークを提案する。 我々は,主観とエージェントの方針を反復的に最適化するメタアルゴリズムを提示し,分析する。 次に,本アルゴリズムを深層Q-ラーニングで拡張し,近似誤差の存在下での収束度を解析する。
  論文  参考訳（メタデータ） (2024-07-25T14:28:58Z)
• Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
  脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。 ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。 提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
  論文  参考訳（メタデータ） (2024-07-02T03:31:21Z)
• On Imperfect Recall in Multi-Agent Influence Diagrams [57.21088266396761]
  マルチエージェント・インフルエンス・ダイアグラム(MAID)はベイズネットワークに基づくゲーム理論モデルとして人気がある。 混合ポリシと2種類の相関平衡を用いて, 忘れ易いエージェントと不注意なエージェントでMAIDを解く方法を示す。 また,不完全なリコールがしばしば避けられないマルコフゲームやチーム状況へのMAIDの適用についても述べる。
  論文  参考訳（メタデータ） (2023-07-11T07:08:34Z)
• Decision-Making Among Bounded Rational Agents [5.24482648010213]
  本稿では,情報理論の観点からの有界合理性の概念をゲーム理論の枠組みに導入する。 これにより、ロボットは他のエージェントの準最適動作を推論し、計算上の制約の下で行動することができる。 その結果,ロボットが他のエージェントの理性行動の異なるレベルを推論し,その計算制約の下で合理的な戦略を計算できることが実証された。
  論文  参考訳（メタデータ） (2022-10-17T00:29:24Z)
• 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)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)

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。