論文の概要: Information Aggregation with AI Agents

• arxiv url: http://arxiv.org/abs/2604.20050v1
• Date: Tue, 21 Apr 2026 23:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.884969
• Title: Information Aggregation with AI Agents
• Title（参考訳）: AIエージェントによる情報集約
• Authors: Spyros Galanis,
• Abstract要約: 我々は、AIエージェントがプライベートシグナルを受信した後、予測市場で取引を行う制御実験を行う。 中央市場は情報構造において情報の集約に有効であるが,複雑性の増大は有意かつ負の影響を及ぼすことがわかった。 我々は「スマート」なAIエージェントがアグリゲーションでより良いパフォーマンスを発揮し、より利益を上げていると断定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can Large Language Models (AI agents) aggregate dispersed private information through trading and reason about the knowledge of others by observing price movements? We conduct a controlled experiment where AI agents trade in a prediction market after receiving private signals, measuring information aggregation by the log error of the last price. We find that although the median market is effective at aggregating information in the easy information structures, increasing the complexity has a significant and negative impact, suggesting that AI agents may suffer from the same limitations as humans when reasoning about others. Consistent with our theoretical predictions, information aggregation remains unaffected by allowing cheap talk communication, changing the duration of the market or initial price, and strategic prompting-thus demonstrating that prediction markets are robust. We establish that "smarter" AI agents perform better at aggregation and they are more profitable. Surprisingly, giving them feedback about past performance makes them worse at aggregation and reduces their profits.
• Abstract（参考訳）: 大規模言語モデル(AIエージェント)は、物価変動を観察することで、取引や他者の知識に関する推論を通じて、分散したプライベート情報を集約できるのか? 我々は、AIエージェントがプライベートシグナルを受信した後、予測市場で取引を行う制御実験を行い、最終価格のログエラーによって情報収集を測定する。 中央市場は情報構造の容易な情報の集約に有効であるが、複雑さの増大は有意かつ負の影響を受けており、AIエージェントが他人を推論する際に人間と同じ制限に悩まされることが示唆されている。 理論的な予測と一致して、情報集約は、安価なトークコミュニケーションを可能にし、市場の期間や初期価格を変更し、予測市場が堅牢であることを示す戦略的プロンプトによって、影響を受けないままです。 我々は「スマート」なAIエージェントがアグリゲーションでより良いパフォーマンスを発揮し、より利益を上げていると断定する。 驚いたことに、過去のパフォーマンスに関するフィードバックを与えると、アグリゲーションが悪化し、利益が減少します。

関連論文リスト

• When Life Gives You AI, Will You Turn It Into A Market for Lemons? Understanding How Information Asymmetries About AI System Capabilities Affect Market Outcomes and Adoption [45.10829096284761]
  複雑なAIシステムは、コストのかかるエラーを犯したり、隠れた欠陥を埋め込んだりしながら、非常に正確に見える。 本稿では,AIシステムのユーザ導入における情報非対称性と開示設計の役割について,最初の実験的証拠を提供する。
  論文  参考訳（メタデータ） (2026-01-29T12:49:28Z)
• Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
  大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。 LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
  論文  参考訳（メタデータ） (2025-02-25T08:41:01Z)
• 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)
• Artificial Intelligence and Algorithmic Price Collusion in Two-sided Markets [9.053163124987535]
  両市場において,Qラーニングを用いたAIエージェントが暗黙の共謀にどのように関与するかを検討する。 我々の実験によると、AI駆動プラットフォームはBertrandの競合よりも高いコラシオンレベルを実現している。 ネットワークの外部性の向上は、共謀を著しく向上させ、AIアルゴリズムがそれらを活用して利益を最大化することを示唆している。
  論文  参考訳（メタデータ） (2024-07-04T17:57:56Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Bloated Disclosures: Can ChatGPT Help Investors Process Information? [1.3594158136398242]
  ChatGPTのような生成AIツールは、投資家が情報を処理する方法を根本的に変えることができる。 我々は、これらのツールが、株式市場を実験室として利用した複雑な企業情報開示を要約する上での経済的有用性について検討する。 肥大化した開示は、価格効率の低下や情報非対称性の上昇など、資本市場の悪影響と関連していることを示す。
  論文  参考訳（メタデータ） (2023-06-17T01:22:08Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)

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。