論文の概要: Token Economics for LLM Agents: A Dual-View Study from Computing and Economics

• arxiv url: http://arxiv.org/abs/2605.09104v1
• Date: Sat, 09 May 2026 18:18:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.066841
• Title: Token Economics for LLM Agents: A Dual-View Study from Computing and Economics
• Title（参考訳）: LLMエージェントのためのToken Economics:コンピューティングと経済学からの二重視点研究
• Abstract要約: 本調査は,東海経済の総合的な調査である。 我々はトークンを生産要因、交換媒体、会計単位として概念化する。 我々はスケーラブルな次世代エージェントシステムの理論的基礎を築いた。
• 参考スコア（独自算出の注目度）: 25.319434762851156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As LLM agents evolve, tokens have emerged as the core economic primitives of Agentic AI. However, their exponential consumption introduces severe computational, collaborative, and security bottlenecks. Current surveys remain fragmented across system optimization, architecture design, and trust, lacking a unified framework to evaluate the fundamental trade-off between output quality and economic cost. To bridge this gap, this survey presents the first comprehensive survey of Token Economics. By unifying computer science and economics, we conceptualize tokens as production factors, exchange mediums, and units of account. We synthesize existing literature across a four-dimensional taxonomy: (1) Micro-level (Single Agent): Optimizing budget-constrained factor substitution via neoclassical firm theory. (2) Meso-level (Multi-Agent Systems): Minimizing collaboration friction using transaction cost and principal-agent theories. (3) Macro-level (Agent Ecosystems): Addressing congestion externalities and pricing via mechanism design. (4) Security: Internalizing adversarial threats as endogenous economic constraints. Finally, we outline frontier directions, including differentiable token budgets and dynamic markets, to lay the theoretical foundation for scalable next-generation agent systems.
• Abstract（参考訳）: LLMエージェントが進化するにつれて、トークンはエージェントAIの中核的な経済プリミティブとして現れてきた。 しかし、その指数的な消費は、厳しい計算、協調、およびセキュリティのボトルネックをもたらす。 現在の調査は、システム最適化、アーキテクチャ設計、信頼の間で断片化され、アウトプット品質と経済コストの基本的なトレードオフを評価するための統一されたフレームワークが欠如している。 このギャップを埋めるために、この調査は、最初の総合的なToken Economics調査である。 コンピュータ科学と経済学を統一することにより、トークンを生産要因、交換媒体、会計単位として概念化する。 1)マイクロレベル(シングルエージェント):新古典主義的ファーム理論による予算制約因子置換の最適化。 2)メソレベル(マルチエージェントシステム):取引コストと主エージェント理論を用いた協調摩擦の最小化。 (3)マクロレベル(Agent Ecosystems):メカニズム設計による混雑の外部性と価格の対応。 セキュリティ: 内在的経済制約として敵の脅威を内部化すること。 最後に、差別化可能なトークン予算や動的市場を含むフロンティアの方向性を概説し、スケーラブルな次世代エージェントシステムの理論的基盤を確立する。

関連論文リスト

• Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions [80.74432115171285]
  我々は,エージェントの集団が集中管理なしで,より強力な集団知能に自己整合し,自己適応する方法について検討する。 フリードリッヒ・ハイエク(Friedrich Hayek)の市場における非中央集権的協調に関する経済理論に触発され、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)が行動の権利を競い、支払いを交換し、環境報酬から富を蓄積する権利を競う。 弱いエージェントによって、経済は創発的な多段階推論戦略を生み出し、5つのエージェントタスクで強力なモノリシックベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-06-01T20:21:09Z)
• Computational Challenges in Token Economics: Bridging Economic Theory and AI System Design [8.89493507314525]
  トークン・エコノミクスは、大規模言語モデルシステムにおける資源配分、価値創造、価格の理解に有用なレンズとして登場した。 ハイレベル経済理論と現代のAIインフラの計算現実性の間には、依然としてかなりのギャップがある。 本稿では,トークン・エコノミクスの原理をリアルタイム推論システムに実装した場合に生じる重要な計算課題を特定し,解析する。
  論文  参考訳（メタデータ） (2026-05-17T12:11:34Z)
• Agentic AI Systems Should Be Designed as Marginal Token Allocators [2.629665653283008]
  エージェントAIシステムは,電子トークン割り当て経済として設計・評価されるべきである,と我々は主張する。 これら4つの層がいずれも,Emphsame 1次条件を解決していることを示す。
  論文  参考訳（メタデータ） (2026-05-02T03:06:02Z)
• The Buy-or-Build Decision, Revisited: How Agentic AI Changes the Economics of Enterprise Software [0.0]
  生成的人工知能の進歩は、企業アプリケーションのためのメイク・アンド・バイの判断の経済性を阻害している。 本稿では,メイク・オー・バイ決定の根底にある要因を再評価するために,概念研究アプローチを採用する。
  論文  参考訳（メタデータ） (2026-04-29T09:47:47Z)
• The Headless Firm: How AI Reshapes Enterprise Boundaries [5.856292656853395]
  我々はエージェントAIが調整コストのスケール方法に構造的変化をもたらすと主張している。 我々はこの主張を2つの実証的予測を持つ調整コストモデルとして定式化する。
  論文  参考訳（メタデータ） (2026-02-24T22:13:14Z)
• Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
  大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。 この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。 このボトルネックは、帰属の曖昧さに起因している。 本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T04:19:52Z)
• A Sustainable AI Economy Needs Data Deals That Work for Generators [56.949279542190084]
  機械学習のバリューチェーンは、経済的なデータ処理の不平等のため、構造的に持続不可能である、と我々は主張する。 73の公開データ取引を分析し、アグリゲータに価値の大部分が蓄積されていることを示す。 参加者全員に利益をもたらす最小市場を実現するために、等価なData-Value Exchange Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-01-15T01:05:48Z)
• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• Aligning Large Language Model Agents with Rational and Moral Preferences: A Supervised Fine-Tuning Approach [4.389938747401259]
  標準経済ゲームを用いて,大規模言語モデル (LLM) の嗜好を評価する。 GPT-4oのようなモデルは過剰な協力とインセンティブの感度の制限を示す一方、o3-miniのような推論モデルは、ペイオフ最大化戦略とより一貫して一致している。 本稿では,LLMエージェントを経済的嗜好と整合させるため,経済的推論から得られた合成データセットを用いた教師付き微調整パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-07-28T13:05:04Z)
• Reasoning Like an Economist: Post-Training on Economic Problems Induces Strategic Generalization in LLMs [25.067282214293904]
  本稿では,特にSFT(Supervised Fine-Tuning)やRLVR(Reinforcement Learning with Verifiable Rewards)といったポストトレーニング手法が,マルチエージェントシナリオに$textit Generalize$を効果的に適用できるかどうかを考察する。 我々は、経済的推論をテストベッドとして使用し、数学とゲーム理論の強力な基盤を活用している。 経済推論ベンチマークとマルチエージェントゲームに関する総合的な評価は、構造化推論と経済合理性において明らかに改善されていることを示している。
  論文  参考訳（メタデータ） (2025-05-31T14:22:40Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。