論文の概要: pAI-Econ-claude: A Gated Human-in-the-Loop Multi-Agent Architecture for AI-Assisted Economic Theory Development
- arxiv url: http://arxiv.org/abs/2607.21268v1
- Date: Thu, 23 Jul 2026 12:40:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.414035
- Title: pAI-Econ-claude: A Gated Human-in-the-Loop Multi-Agent Architecture for AI-Assisted Economic Theory Development
- Title（参考訳）: pAI-Econ-claude:AI支援経済理論開発のためのGated Human-in-the-Loop Multi-Agent Architecture
- Abstract要約: pAI-Econ-claudeは、AI支援経済理論開発のための、有能なマルチエージェントアーキテクチャである。
エージェントは、検査可能な中間レコードの共有ワークスペースを介して調整する。
特殊なゲートは、ターゲットの障害モードを診断し、正当性を証明せずにループバックを推奨する。
- 参考スコア（独自算出の注目度）: 15.442870614597451
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many social-science research tasks, such as economics, LLM-based agents must produce outputs for which no cheap, task-complete, machine-readable correctness signal exists. This creates a distinctive reliability problem for multi-agent systems: how should generation, critique, coordination, and human judgment be organized when no component can certify the final result? We address this problem through pAI-Econ-claude, a gated, human-in-the-loop multi-agent architecture for AI-assisted economic theory development. Agents coordinate through a shared workspace of inspectable intermediate records; specialized gates diagnose targeted failure modes and recommend loopbacks without certifying correctness; and human checkpoints retain authority over decisions that are costly to reverse. We evaluate the architecture on five matched economic-theory tasks against an ungated baseline. Two evaluators blinded to configuration agreed on all five pairwise rankings, preferring the gated architecture in four tasks and the baseline in one. Mean failure severity fell from 1.58 to 1.16, while overall usefulness rose from 2.60 to 3.10. The largest observed gain occurred when a reality check rejected a false market-structure premise and a proof review prompted revision of a false welfare claim. The negative case shows that scaffolding can also compress an economically important mechanism too aggressively. The results support a bounded claim: gated oversight improves the auditability of AI-assisted economic theory without substituting for formal verification, and the allocation of irreversible human judgment is a more informative design variable than pure agent autonomy. The workflow is publicly available at https://github.com/maxwell2732/pAI-Econ-claude.
- Abstract（参考訳）: 経済学など多くの社会科学研究課題において、LCMをベースとしたエージェントは、安価でタスク完備で機械可読な正当性信号が存在しない出力を生成する必要がある。
コンポーネントが最終結果を証明できない場合、どうやって生成、批判、調整、人間の判断を組織化すべきなのか?
pAI-Econ-claudeはAI支援型経済理論開発のための多エージェントアーキテクチャである。
エージェントは、検査可能な中間レコードの共有ワークスペースを介して調整し、ターゲットの障害モードを診断し、正当性を証明せずにループバックを推奨する。
我々は,5つの一致した経済理論タスクにおけるアーキテクチャを,無作為なベースラインに対して評価する。
コンフィグレーションに盲目な2人の評価官が5つのペアのランキングで合意し、ゲートアーキテクチャを4つのタスクで、ベースラインを1つにすることを好んだ。
平均故障重症度は1.58から1.16に低下し、全体的な有用度は2.60から3.10に上昇した。
市場構造に関する虚偽の前提を現実チェックが拒否し、証拠審査が虚偽の福祉請求の修正を促したことにより、最も大きな利益が得られた。
負のケースは、足場が経済的に重要なメカニズムを積極的に圧縮しすぎていることを示している。
ゲートオーバー監視は、形式的検証に代わることなくAI支援経済理論の監査可能性を改善し、不可逆的人的判断の割り当ては純粋なエージェントの自律性よりもより有意義な設計変数である。
ワークフローはhttps://github.com/maxwell2732/pAI-Econ-claudeで公開されている。
関連論文リスト
- Grounded Scaling: Why Agentic AI Needs Deterministic Environments [12.666642977162468]
長鎖エージェントの実行は、人間の寛容のために設計された環境で指数関数的に失敗する。
我々は、このフレームワークを5つの測定可能な特性に対してサプライ確実性指標(SCI)として運用する。
我々は、sim-to-real sufficiency、アライメント sufficiency、AI-as-normal-technologyという3つの競合するポジションを担っている。
論文 参考訳（メタデータ） (2026-06-21T13:34:18Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。
IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-22T03:03:33Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - OOM-RL: Out-of-Money Reinforcement Learning Market-Driven Alignment for LLM-Based Multi-Agent Systems [4.970665847294818]
目的的アライメントパラダイムとして textbfOut-of-Money Reinforcement Learning (OOM-RL) を導入する。
本研究は,ハイターン・サイコファンティック・ベースラインから,ロバストで流動性に配慮したアーキテクチャへのシステム進化を詳述する。
我々は、厳格な経済罰と主観的人間選好の代用が、実環境における自律的エージェントの整合のための堅牢な方法論を提供すると結論付けている。
論文 参考訳（メタデータ） (2026-04-13T13:45:42Z) - The Novelty Bottleneck: A Framework for Understanding Human Effort Scaling in AI-Assisted Work [4.726153739634646]
新規性ボトルネックと呼ばれるメカニズムを分離した人間とAIのコラボレーションモデルを提案する。
モデルはタスクが原子的な決定に分解されると仮定する。
私たちの貢献は、人間の努力が線形にスケールしなければならないという証拠ではありません。
論文 参考訳（メタデータ） (2026-03-28T22:50:13Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - Structured Debate Improves Corporate Credit Reasoning in Financial AI [6.013710554725173]
本研究では,非財務的証拠から構造化推論を生成する2つの運用型大規模言語モデル(LLM)を開発し,評価する。
1つ目は、単一パス推論パイプラインを通じて双方向解析を生成する非アドリアル単エージェントシステム(NAS)である。
第2の方法は,10段階の構造的相互作用プロトコルによる対向検証を運用する,議論ベースのマルチエージェントシステム(KPD-MADS)である。
論文 参考訳（メタデータ） (2025-10-20T02:50:03Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z)
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。