論文の概要: Margin Play: A Multi-Agent System For Public Policy Analysis In The Brazilian Equatorial Margin

• arxiv url: http://arxiv.org/abs/2606.02614v1
• Date: Tue, 26 May 2026 13:47:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.459173
• Title: Margin Play: A Multi-Agent System For Public Policy Analysis In The Brazilian Equatorial Margin
• Title（参考訳）: Margin Play:ブラジル赤道域の公共政策分析のためのマルチエージェントシステム
• Authors: Antonio de Sousa Leitão Filho, Fabrício Saul Lima, Selby Mykael Lima dos Santos, Rejani Bandeira Vieira Sousa, Luís Jorge Mesquita de Jesus, Dennys Correia da Silva, Allan Kardec Duailibe Barros Filho,
• Abstract要約: ブラジル赤道マルジン (BEM) はブラジルの次の石油フロンティアであり、2026年にフォズ・ド・アマゾンス盆地で操業を開始する予定である。 BEM探査はマランハオにとってどのような条件で正の外部性を生み出すのか? 本稿では,マルチエージェント強化学習(MARL)システムであるMargin Playを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Brazilian Equatorial Margin (BEM) is Brazil's next offshore oil frontier, with operations expected to begin in 2026 in the Foz do Amazonas basin. Its assets are fiscally and territorially linked primarily to Maranhao -- the state with the lowest HDI in the Federation (0.676, IBGE 2022). This raises the central policy question: under what conditions does BEM exploration generate net positive externalities for Maranhao? The problem is intrinsically multi-agent: the Federal Government seeks revenue and energy security; the state seeks regional welfare under constitutional royalty earmarking; the operator maximizes profit under risk; ANP and IBAMA hold conflicting mandates; and Amazonian communities prioritize territorial and environmental vectors over monetary income. We present Margin Play, a Multi-Agent Reinforcement Learning (MARL) system simulating these tensions under Brazilian empirical calibration and classical economic literature. It implements six agents under the CTDE paradigm, trained with BRO-MARL. Results from 60,000 episodes across six scenarios indicate the answer is conditional on the institutional regime: under the reference baseline, the welfare gain is marginal (Waval approx. 1.68), whereas the MA-Prospero configuration yields Delta W = +17.5% and Delta Rcom = +21.3%, with a lower environmental liability (Eamb = 0.048 vs. 0.076). The fundamental problem is not a trade-off between production and welfare, but the choice of public policy regime linked to exploration.
• Abstract（参考訳）: ブラジル赤道マルジン (BEM) はブラジルの次の石油フロンティアであり、2026年にフォズ・ド・アマゾンス盆地で操業を開始する予定である。 その資産は財政的にも領土的にも主にマラニョ州と結びついており、連邦内では最も低いHDI (0.676, IBGE 2022) である。 BEM探鉱はマランハオにとってどのような条件で正の外部性を生み出すのか? 連邦政府は歳入とエネルギーの安全保障を求め、州は憲法上のロイヤリティの耳印で地域福祉を求め、オペレーターはリスクの下で利益を最大化し、ANPとIBAMAは対立する委任状を持ち、アマゾンのコミュニティは金銭収入よりも領土と環境のベクターを優先している。 ブラジルの実証的校正と古典的経済文学の下でこれらの緊張をシミュレートするマルチエージェント強化学習(MARL)システムであるMargin Playを紹介する。 6つのエージェントをCTDEパラダイムで実装し、BRO-MARLで訓練している。 6つのシナリオにまたがる6万エピソードの結果は、この答えが制度体制の条件であることを示している: 基準ベースラインの下では、福祉の利得は限界的(Waval approx. 1.68)であるのに対し、MA-Prosperoの構成では、Delta W = +17.5%、Delta Rcom = +21.3%であり、環境責任は低い(Eamb = 0.048 vs. 0.076)。 根本的な問題は、生産と福祉のトレードオフではなく、探検に関連する公共政策体制の選択である。

関連論文リスト

• SemEval-2026 Task 6: CLARITY -- Unmasking Political Question Evasions [17.397909377851366]
  政治的話者は、応答性の外観を維持しながら、直接質問に答えることを避けることが多い。 本稿では,政治問題回避の共通課題であるSemEval-2026 Task 6, CLARITYを紹介する。 このベンチマークは、米国の大統領インタビューから作成され、専門家による反応の明確さと回避の分類に追随している。
  論文  参考訳（メタデータ） (2026-03-14T17:02:52Z)
• The Future of AI in the GCC Post-NPM Landscape: A Comparative Analysis of Kuwait and the UAE [0.19116784879310025]
  私たちは、UAEとクウェートにおけるAIの取り込みを形作る憲法、集団選択、および運用ルールを分析します。 私たちは、富ではなく、垂直的なルールコヒーレンスがAIの公共価値の収量を決定することに気付きました。 この発見は、垂直的なルールコヒーレンスが富ではなく、AIの公共価値の収量を決定することを示すことによって、制度理論を洗練させる。
  論文  参考訳（メタデータ） (2025-11-08T08:54:27Z)
• TaxAgent: How Large Language Model Designs Fiscal Policy [22.859190941594296]
  本研究では,大規模言語モデル(LLM)とエージェントベースモデリング(ABM)を統合し,適応型税制を設計するTaxAgentを紹介する。 我々のマクロ経済シミュレーションでは、ヘテロジニアスなH-Agents(ハウスホールディングス)が現実の納税者の振る舞いをシミュレートし、TaxAgent(政府)はLLMを使って税率を反復的に最適化し、株式と生産性のバランスをとる。 Saez Optimal Taxation、合衆国の連邦所得税、自由市場を基準に、TaxAgentは優れた株式・効率のトレードオフを達成している。
  論文  参考訳（メタデータ） (2025-06-03T13:06:19Z)
• Accelerating Reinforcement Learning with Value-Conditional State Entropy Exploration [97.19464604735802]
  探索のための有望な技術は、訪問状態分布のエントロピーを最大化することである。 エージェントが高価値の状態を訪問することを好むような、タスク報酬を伴う教師付きセットアップで苦労する傾向があります。 本稿では,値条件のエントロピーを最大化する新しい探索手法を提案する。
  論文  参考訳（メタデータ） (2023-05-31T01:09:28Z)
• What is the Solution for State-Adversarial Multi-Agent Reinforcement Learning? [22.863241480702012]
  Deep Reinforcement Learning (DRL)を通じて学んだ政策は、敵国の摂動攻撃に影響を受けやすい。 本稿では,国家逆境マルコフゲーム (SAMG) を提案するとともに,MARL の異なる解概念を状態不確実性の下で研究する試みを行う。
  論文  参考訳（メタデータ） (2022-12-06T01:57:33Z)
• Characterization of the Firm-Firm Public Procurement Co-Bidding Network from the State of Cear\'a (Brazil) Municipalities [58.720142291102135]
  我々は,2015 年から2019 年にかけて,Cear'a (ブラジル) の184 億ドルの市町村が発行する公益事業に参加する企業間の連携関係について検討した。 同様の調達活動のパターンを持つ企業のグループ/コミュニティを、地理的および活動によって定義した22ドルを識別する。
  論文  参考訳（メタデータ） (2021-04-17T13:58:30Z)
• Dealing with Non-Stationarity in Multi-Agent Reinforcement Learning via Trust Region Decomposition [52.06086375833474]
  非定常性は多エージェント強化学習における厄介な問題である。 ポリシーシーケンスの定常性を明示的にモデル化するための$delta$-stationarity測定を導入する。 共同政策の分岐を推定するために,メッセージパッシングに基づく信頼領域分解ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-02-21T14:46:50Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。