論文の概要: Towards Sustainable Investment Policies Informed by Opponent Shaping

• arxiv url: http://arxiv.org/abs/2602.11829v1
• Date: Thu, 12 Feb 2026 11:16:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.781959
• Title: Towards Sustainable Investment Policies Informed by Opponent Shaping
• Title（参考訳）: 対価形成による持続的投資政策に向けて
• Authors: Juan Agustin Duque, Razvan Ciuca, Ayoub Echchahed, Hugo Larochelle, Aaron Courville,
• Abstract要約: InvestESGは、気候リスク下の投資家と企業間の動的相互作用をキャプチャするマルチエージェントシミュレーションである。 我々は,InvestESGが時間的社会的ジレンマを示し,個々のインセンティブが集団福祉から分岐する理論的閾値を導出する条件の形式的特徴を提供する。
• 参考スコア（独自算出の注目度）: 11.460024756505293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Addressing climate change requires global coordination, yet rational economic actors often prioritize immediate gains over collective welfare, resulting in social dilemmas. InvestESG is a recently proposed multi-agent simulation that captures the dynamic interplay between investors and companies under climate risk. We provide a formal characterization of the conditions under which InvestESG exhibits an intertemporal social dilemma, deriving theoretical thresholds at which individual incentives diverge from collective welfare. Building on this, we apply Advantage Alignment, a scalable opponent shaping algorithm shown to be effective in general-sum games, to influence agent learning in InvestESG. We offer theoretical insights into why Advantage Alignment systematically favors socially beneficial equilibria by biasing learning dynamics toward cooperative outcomes. Our results demonstrate that strategically shaping the learning processes of economic agents can result in better outcomes that could inform policy mechanisms to better align market incentives with long-term sustainability goals.
• Abstract（参考訳）: 気候変動に対処するには、世界的な調整が必要であるが、合理的な経済アクターは、しばしば集団福祉よりも即時利益を優先し、社会的ジレンマをもたらす。 InvestESGは、最近提案されたマルチエージェントシミュレーションで、投資家と企業間の動的相互作用を、気候リスク下で捉えている。 我々は,InvestESGが時間的社会的ジレンマを示し,個々のインセンティブが集団福祉から分岐する理論的閾値を導出する条件の形式的特徴を提供する。 そこで我々は,InvestESGにおけるエージェント学習に影響を与えるために,汎用ゲームに有効なスケーラブルな対戦型シェーピングアルゴリズムであるAdvantage Alignmentを適用した。 我々は,Advantage Alignmentが,学習ダイナミクスを協調的な成果に偏在させることによって,社会的に有益な均衡を体系的に重視する理由に関する理論的知見を提供する。 以上の結果から,経済エージェントの学習過程を戦略的に形成することで,市場インセンティブと長期的な持続可能性目標との整合性を高めるための政策メカニズムを示唆するより良い成果が得られることが示唆された。

関連論文リスト

• Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
  最小コア(LC)概念に基づく配当フレームワークを提案する。 従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。 統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
  論文  参考訳（メタデータ） (2026-02-03T11:10:50Z)
• The Role of Social Learning and Collective Norm Formation in Fostering Cooperation in LLM Multi-Agent Systems [13.628908663240564]
  我々は、明確な報酬信号を取り除き、文化進化機構を組み込むCPRシミュレーションフレームワークを導入する。 環境および社会的初期化のグリッドである2時間2ドルの標準的進化について検討する。 本研究は,協調の維持と規範形成における系統的モデルの違いを明らかにする。
  論文  参考訳（メタデータ） (2025-10-16T07:59:31Z)
• An Explainable Equity-Aware P2P Energy Trading Framework for Socio-Economically Diverse Microgrid [0.0]
  本稿では、多目的混合整数線形プログラミング(MILP)、協調ゲーム理論、強化学習(RL)によって駆動される動的エクイティ調整機構を統合する新しいフレームワークを提案する。 この枠組みは、最大72.6%のピーク需要削減と、大きな協力的な利益を示す。
  論文  参考訳（メタデータ） (2025-07-24T18:38:51Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• 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)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。