論文の概要: AI Tokenomics: The Economics of Tokens, Computation, and Pricing in Foundation Models
- arxiv url: http://arxiv.org/abs/2606.24616v1
- Date: Wed, 10 Jun 2026 03:47:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-28 23:46:52.318607
- Title: AI Tokenomics: The Economics of Tokens, Computation, and Pricing in Foundation Models
- Title（参考訳）: AIトケノミクス - 基礎モデルにおけるトークン、計算、価格の経済学
- Abstract要約: 本稿では、トークンの生成、消費、価格設定、割り当て、AIシステム間での最適化など、AIトケノミクスのためのフレームワークを開発する。
価値は、限界生産性、ワークフロー位置、隠れた推論活動、リスク、下流の伝播効果に依存する。
- 参考スコア（独自算出の注目度）: 20.036142577511455
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tokens have become the practical accounting unit for modern foundation model services, linking information processing, computation, memory use, energy expenditure, pricing, and economic value. This paper develops a framework for AI tokenomics: the study of how tokens are generated, consumed, priced, allocated, and optimized across AI systems. We connect token-level technical costs to workflow-level production functions, enterprise resource allocation, measurement and instrumentation methods, and emerging market-design questions. The framework shows that token expenditure and economic value are distinct: value depends on marginal productivity, workflow position, hidden reasoning activity, risk, and downstream propagation effects. The paper concludes by identifying open research directions in hidden-token measurement, empirical calibration, token productivity, dynamic allocation, and token-based markets.
- Abstract（参考訳）: トークンは、情報処理、計算、メモリ使用、エネルギー支出、価格、経済価値をリンクする、現代の基礎モデルサービスの実用的な会計単位となっている。
本稿では、トークンの生成、消費、価格設定、割り当て、AIシステム間での最適化など、AIトケノミクスのためのフレームワークを開発する。
トークンレベルの技術的コストをワークフローレベルの生産機能、企業のリソース割り当て、測定と計測方法、市場設計に関する新たな疑問に結びつける。
価値は、限界生産性、ワークフロー位置、隠れた推論活動、リスク、下流の伝播効果に依存する。
本論文は, 隠れトークン測定, 実証校正, トークン生産性, 動的アロケーション, トークンベースの市場において, オープンな研究方向を特定することで結論付ける。
関連論文リスト
- ACEM: A Cost Estimation Model for Agentic Software Engineering [0.0]
本稿では,エージェント開発総コストを3つの付加次元に分解するACEM(Agentic Cost Estimation Model)を提案する。
ACEMはエージェントダイナミクスのための3つの構成要素を紹介している。Revision Factor (RF)、出力の拒絶と再試行からトークンのオーバーヘッドをモデル化するContext Factor (CF)、コンテキストの蓄積に伴ってトークンの消費が上昇するのをキャプチャする HITL Intensity Score (HIS)、そして4段階の監視分類スキームであるHITL Intensity Score (HIS)である。
アーリーステージの提案として、研究コミュニティに実際のプロジェクトデータを通じてモデルを調整、テスト、拡張するよう呼びかけている。
論文 参考訳（メタデータ） (2026-08-03T17:54:11Z) - 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) - Token Economics for LLM Agents: A Dual-View Study from Computing and Economics [25.319434762851156]
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。
論文 参考訳（メタデータ） (2026-05-09T18:18:51Z) - Perspective: Towards sustainable exploration of chemical spaces with machine learning [49.29528647472741]
持続可能な進歩は、オープンデータとモデル、再利用可能なデータセット、ドメイン固有のAIシステムに依存します。
我々は、汎用機械学習(ML)モデル、多要素アプローチ、モデルの蒸留、アクティブラーニングなど、効率を高めるための新たな戦略を強調した。
論文 参考訳（メタデータ） (2026-03-31T13:29:20Z) - 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) - Cost-of-Pass: An Economic Framework for Evaluating Language Models [25.152801302217693]
正しい解決策を生み出すための金銭的コストである「パスコスト」を導入します。
次に、「最前線のコスト」を、利用可能なモデルや「人間専門家」にまたがる最小のパスコストとして定義する。
私たちは、基本的な量的、知識集約的、複雑な量的タスクにおいてフロンティアを推し進めるために、軽量、大規模、推論モデルにおける革新が不可欠であることが分かりました。
論文 参考訳（メタデータ） (2025-04-17T21:58:29Z) - A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning [0.0]
農業経済からより多様化した産業やサービスベースのシステムへの移行は、経済発展の重要な要因である。
低所得国と中所得国(LMIC)では、データの不足と信頼性の欠如が、このプロセスの正確な評価を妨げる。
本稿では,ベイジアン階層モデリング,機械学習に基づくデータ計算,因子分析を統合することで,これらの課題に対処する新しい統計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-25T08:39:41Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳（メタデータ） (2023-04-28T10:27:38Z) - The Efficiency Misnomer [50.69516433266469]
我々は、共通のコスト指標、それらの利点とデメリット、そしてそれらが相互に矛盾する方法について論じる。
コストインジケータの不完全な報告が、どのようにして部分的な結論をもたらすかを示し、異なるモデルの実践的考察の曖昧さや不完全さを図示する。
論文 参考訳（メタデータ） (2021-10-25T12:48:07Z) - A Survey on Data Pricing: from Economics to Data Science [61.72030615854597]
データ価格の背景にある様々なモチベーションを調べ、データ価格の経済性を理解する。
デジタル製品とデータ製品の両方について論じる。
我々は、今後の仕事の一連の課題と方向性を考えます。
論文 参考訳（メタデータ） (2020-09-09T19:31:38Z) - Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。
具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。
蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
論文 参考訳（メタデータ） (2020-03-06T06:28:17Z)
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。