論文の概要: AI Economist Agent: An Agentic Framework for Model-Grounded Economic Analysis with RAG, Knowledge Graphs, and Large Language Models

• arxiv url: http://arxiv.org/abs/2606.20041v1
• Date: Thu, 18 Jun 2026 10:18:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.79083
• Title: AI Economist Agent: An Agentic Framework for Model-Grounded Economic Analysis with RAG, Knowledge Graphs, and Large Language Models
• Title（参考訳）: AIエコノミストエージェント:RAG、知識グラフ、大規模言語モデルを用いたモデル付き経済分析のためのエージェントフレームワーク
• Authors: Masahiro Kato,
• Abstract要約: 本稿では,経済シナリオ分析のためのエージェント・フレームワークを備えたモデル基底型RAGベースのAI経済学者を提案する。 我々は、明示的なモデルベースの計算を基礎とした物語を生成し、AIエージェントを介して得られた証拠にリンクする。 我々は、AIエコノミストエージェントを、米国のインフレ持続性のためのエコノミストレポート生成と連邦準備制度政策と、米国の商業不動産リファイナンスストレスに対する銀行のストレステスト物語生成の2つの応用で評価する。
• 参考スコア（独自算出の注目度）: 6.44705221140412
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a model-grounded RAG-based AI economist with an agentic framework for economic scenario analysis using large language models (LLMs) and knowledge graphs. While LLMs can generate fluent economic narratives, economists are often required to make economic claims grounded by economic theory and real-world data. Based on this motivation, this study proposes an RAG-based AI economist, which utilizes knowledge graphs including economic data and theory and LLM-based agents to plan the analysis, retrieve relevant evidence, select appropriate models, and generate reports. In our framework, we do not produce quantitative claims directly with the language model alone; instead, we generate narratives grounded in explicit model-based computations and linked to the retrieved evidence via AI agents. We refer to our framework as an AI economist agent. We evaluate the AI economist agent in two applications: economist report generation for U.S. inflation persistence and Federal Reserve policy, and bank stress-test narrative generation for U.S. commercial real estate refinancing stress. The results illustrate how grounding the generated reports improves their economic coherence and traceability.
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)と知識グラフを用いた経済シナリオ分析のためのエージェントフレームワークを備えたモデル基底型RAGベースのAI経済学者を提案する。 LLMは流動的な経済物語を生み出すことができるが、経済学者は経済理論と実世界のデータに基づく経済的な主張をする必要があることが多い。 このモチベーションに基づいて、経済データや理論を含む知識グラフとLCMベースのエージェントを用いて分析を計画し、関連する証拠を検索し、適切なモデルを選択し、レポートを生成するRAGベースのAIエコノミストを提案する。 我々のフレームワークでは、言語モデルだけでは量的クレームを生成せず、代わりに、明示的なモデルベースの計算を基礎とした物語を生成し、AIエージェントを介して得られた証拠にリンクする。 私たちは、私たちのフレームワークをAIエコノミストエージェントと呼んでいます。 我々は、AIエコノミストエージェントを、米国のインフレ持続性のためのエコノミストレポート生成と連邦準備制度政策と、米国の商業不動産リファイナンスストレスに対する銀行のストレステスト物語生成の2つの応用で評価する。 その結果、生成されたレポートの基盤化が、その経済的な一貫性とトレーサビリティをいかに改善するかが示されている。

関連論文リスト

• 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)
• Wage Sentiment Indices Derived from Survey Comments via Large Language Models [0.0]
  本研究では,Large Language Models (LLMs) を用いたWSI(Wage Sentiment Index)を提案し,日本の賃金動態を予測する。 分析は、内閣府の月次調査である経済監視調査(EWS)に基づく。
  論文  参考訳（メタデータ） (2025-08-30T00:53:59Z)
• 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)
• Explainable Artificial Intelligence for identifying profitability predictors in Financial Statements [0.7067443325368975]
  2013年から2022年までのイタリアの上場企業のデータからなるデータベースであるAIDAから得られた生の財務諸表データに機械学習技術を適用した。 我々は、異なるモデルの比較研究を行い、欧州のAI規制に従って、提案モデルに説明可能性技術を適用して分析を補完する。
  論文  参考訳（メタデータ） (2025-01-29T14:33:23Z)
• EconNLI: Evaluating Large Language Models on Economics Reasoning [22.754757518792395]
  LLM(Large Language Models)は、経済分析レポートの作成や、財政的なアドバイスを提供するために広く使われている。 経済分野におけるLLMの知識と推論能力を評価するために,新たなデータセット,経済事象に関する自然言語推論(EconNLI)を提案する。 実験の結果, LLMは経済的な推論では洗練されておらず, 誤りや幻覚を生じさせる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-07-01T11:58:24Z)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)
• 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)
• Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty [0.0]
  我々の研究は、経済政策の不確実性(EPU)を測定するためのテキストデータ、特にニュース作品の可能性の研究に焦点を当てている。 経済政策の不確実性は、新しい政策と将来の経済基本の下で、決定の結果を予測できないと定義されている。 本研究は、経済政策の不確実性に関して、ニュース記事の分類を弱くする機械学習ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2022-08-10T09:08:29Z)
• 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)
• 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)
• 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。