論文の概要: Simulating Tenant Responses to Energy Policy Interventions with Transaction-Cost-Aware LLM Age

• arxiv url: http://arxiv.org/abs/2607.24341v2
• Date: Tue, 28 Jul 2026 08:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 14:13:57.679456
• Title: Simulating Tenant Responses to Energy Policy Interventions with Transaction-Cost-Aware LLM Age
• Title（参考訳）: トランザクションコスト対応LLM時代のエネルギー政策介入に対するテナント応答のシミュレーション
• Authors: Weijie Xia, Stefanie Horian, Hanyue Huang, Queena K. Qian, Jie Yang, Pedro P. Vergara Barrios,
• Abstract要約: 知覚トランザクションコスト(PTC)は、ポリシー応答を形成する実用的な摩擦をモデル化するための有用なレンズを提供する。 我々はこのレンズを用いて、大言語モデル(LLM)のための摩擦を考慮したペルソナモデリング手法を開発した。 その結果,PTCに基づくペルソナと推論を組み込むことで,プロンプトのみと微調整の両方でモデル性能が一貫して向上することがわかった。
• 参考スコア（独自算出の注目度）: 3.182367988703326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent studies use Large language models (LLMs) to simulate human opinions and decisions by prompting models with demographic, attitudinal, or persona-based descriptions. Yet such simulations rarely model the practical, cognitive, or social frictions that shape how people respond to policy interventions. Perceived transaction cost (PTC) provides a useful lens for modeling the practical frictions that shape policy responses, such as information burden, administrative effort, coordination demands, and perceived uncertainty. We use this lens to develop a friction-aware persona modeling approach for LLM-based simulation. In the context of energy-efficient renovation (EER), tenants are represented not only by who they are demographically, but by how they perceive the costs, benefits, barriers, and uncertainties associated with proposed renovation plans. Using survey data collected from 1,068 citizens in the Netherlands, comprising approximately 40,548 survey question and answer pairs, we compare prompt-only and fine-tuned settings across GPT-3.5-turbo, Ministral-8B-Instruct, and Llama-3.1-8B-Instruct, and evaluate supervised fine-tuning (SFT) and Group Relative Policy Optimization (GRPO) for local open-weight models. Results show that incorporating PTC-based personas and reasoning consistently improves model performance across both prompt-only and fine-tuned settings, suggesting that PTC-based persona design provides a useful bridge between institutional policy theory and interpretable LLM-based policy simulation. Code is available at https://github.com/xiaweijie1996/socialagent.
• Abstract（参考訳）: 近年の研究では、人間の意見や決定をシミュレートするためにLarge Language Model (LLMs) を用いている。 しかし、このようなシミュレーションは、人々が政策介入にどう反応するかを形成する実践的、認知的、社会的摩擦をモデル化することはめったにない。 知覚取引コスト(PTC)は、情報負担、管理努力、調整要求、不確実性などの政策対応を形作る実用的な摩擦をモデル化するための有用なレンズを提供する。 我々はこのレンズを用いて、LLMシミュレーションのための摩擦を考慮したペルソナモデリング手法を開発した。 エネルギー効率向上リノベーション(EER)の文脈では、テナントは人口統計学的に誰であるかだけでなく、提案されたリノベーション計画に関連するコスト、利益、障壁、不確実性をどう知覚するかによって代表される。 GPT-3.5-turbo, Ministral-8B-Instruct, Llama-3.1-8B-Instructを対象に, オランダの1,068人の調査データを約40,548の質問と回答ペアから収集した。 その結果, PTCに基づくペルソナの導入と推論は, 即時と微調整の両方でモデル性能を継続的に改善し, PTCに基づくペルソナ設計は, 制度的政策理論と解釈可能なLCMベースの政策シミュレーションの橋渡しとして有用であることが示唆された。 コードはhttps://github.com/xiaweijie 1996/socialagent.comで公開されている。

関連論文リスト

• $V_0$: A Generalist Value Model for Any Policy at State Zero [80.7505802128501]
  ポリシーメソッドは、アクションの相対的な利点を測定するためにベースラインに依存します。 このベースラインは一般的に、政策モデルそのものと同じくらい大きな価値モデル(Critic)によって推定される。 未知のプロンプト上での任意のモデルの期待性能を推定できるジェネリスト値モデルを提案する。
  論文  参考訳（メタデータ） (2026-02-03T14:35:23Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• Large Language Models as Virtual Survey Respondents: Evaluating Sociodemographic Response Generation [18.225151370273093]
  本稿では,Large Language Models (LLMs) を用いた仮想調査回答者のシミュレーションを行う。 部分属性シミュレーション(PAS)と完全属性シミュレーション(FAS)の2つの新しいシミュレーション設定を導入する。 LLM-S3 (Large Language Model-based Sociodemography Simulation Survey) は4つの社会学領域にまたがる11の現実世界の公開データセットにまたがる総合ベンチマークスイートである。
  論文  参考訳（メタデータ） (2025-09-08T04:59:00Z)
• Trajectory Bellman Residual Minimization: A Simple Value-Based Method for LLM Reasoning [55.33984461046492]
  現在、政策に基づく手法が大規模言語モデル(LLM)推論のための強化学習パイプラインを支配している。 本稿では,このアイデアを LLM に自然に適応させるアルゴリズムである Trajectory Bellman Residual Minimization (TBRM) を紹介する。 我々は、軌道の軌道変更-測度分析の改善により、任意のオフ政治から、最適に近いKL正規化政策への収束を証明した。
  論文  参考訳（メタデータ） (2025-05-21T09:41:53Z)
• Reimagining Urban Science: Scaling Causal Inference with Large Language Models [39.231736674554995]
  都市因果研究は、都市を形成する複雑なダイナミックなプロセスを理解するために不可欠である。 現在の慣行は、しばしば非効率で偏りのある仮説の定式化によって制約される。 本研究では,仮説生成,データエンジニアリング,実験設計と実行,政策洞察による結果解釈の4つの異なるモジュールエージェントからなる概念的枠組みであるUrbanCIAを提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:58:11Z)
• Should you use LLMs to simulate opinions? Quality checks for early-stage deliberation [5.4260854377259315]
  そこで我々は,LLMを模擬したQuality Controlアセスメントを提案する。 この評価は2つの重要なテストから成っている。 どのモデルやメソッドも完全な評価をパスせず、いくつかの障害モードを明らかにします。
  論文  参考訳（メタデータ） (2025-04-11T20:16:02Z)
• SRAP-Agent: Simulating and Optimizing Scarce Resource Allocation Policy with LLM-based Agent [45.41401816514924]
  本稿では,大規模言語モデル(LLM)を経済シミュレーションに統合する,革新的なフレームワークSRAP-Agentを提案する。 我々は、SRAP-Agentの有効性と有効性を検証するために、広範な政策シミュレーション実験を行う。
  論文  参考訳（メタデータ） (2024-10-18T03:43:42Z)
• Evaluating model-based planning and planner amortization for continuous control [79.49319308600228]
  我々は、モデル予測制御(MPC)と学習モデルとモデルフリーポリシー学習を組み合わせたハイブリッドアプローチを採っている。 モデルフリーエージェントは高いDoF制御問題においても強いベースラインであることがわかった。 モデルに基づくプランナを,パフォーマンスを損なうことなく,計画が損なわれるようなポリシーに置き換えることが可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-07T12:00:40Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Model-Augmented Q-learning [112.86795579978802]
  モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。 具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。 提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-07T17:56:50Z)

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。