論文の概要: Eco3S: Complex Socio-Economic System Simulation via Agent-Based Models

• arxiv url: http://arxiv.org/abs/2607.26588v1
• Date: Wed, 29 Jul 2026 08:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.577846
• Title: Eco3S: Complex Socio-Economic System Simulation via Agent-Based Models
• Title（参考訳）: Eco3S:エージェントモデルによる複雑な社会・経済システムシミュレーション
• Abstract要約: 経済研究と政策分析のための社会経済システムシミュレーションフレームワークであるEco3Sを提案する。 共進化型環境設計、構造因果モデル(SCM)にインスパイアされた反事実メカニズムは、多様な因果推論タスクに対する柔軟な介入を可能にする。 多様な経済シナリオの実験は、複数の確立された経済研究の複製におけるtextitEco3Sの有効性を裏付けるものである。
• 参考スコア（独自算出の注目度）: 9.99973034380656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid development of large language models (LLMs) has renewed interest in agent-based modeling (ABM). However, current LLM-based ABM research faces several key challenges: modeling evolving agent-environment interactions, enabling flexible counterfactual reasoning, and automating simulation workflows for scientific research. In this paper, we propose Eco3S, a socio-economic system simulation framework for economic research and policy analysis that addresses these challenges through three key mechanisms: (1) Co-evolving Environment Design, a bidirectional feedback loop where agents and the environment co-evolve, producing realistic emergent behaviors; (2) Structural Causal Simulation, a structural causal model (SCM)-inspired counterfactual mechanism that allows flexible interventions for diverse causal inference tasks; (3) Simulation-Analysis-Refinement Paradigm, a self-corrective mechanism that iteratively refines experimental designs based on prior simulation results. Experiments on diverse economic scenarios confirm \textit{Eco3S}'s effectiveness in replicating multiple established economic studies (canal decay, origins of governance, and information propagation) and phenomena across domains. Additional results further demonstrate its scalability and generalizability, highlighting the framework's potential for rigorous economic research and policy-making.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な発展はエージェントベースモデリング(ABM)に新たな関心を寄せている。 しかし、現在のLLMベースのABM研究は、進化するエージェント環境相互作用のモデリング、柔軟な対実的推論の実現、科学研究のためのシミュレーションワークフローの自動化など、いくつかの大きな課題に直面している。 本稿では,経済研究・政策分析のための社会経済システムシミュレーションフレームワークであるEco3Sを提案する。1)環境デザイン,エージェントと環境が共進化し,現実的な創発的行動を生み出す双方向フィードバックループ,(2)構造因果モデル(SCM)にインスパイアされた,多様な因果推論タスクに対する柔軟な介入を可能にする,構造因果シミュレーション,(3)シミュレーション・アナリシス・リファインメント・パラダイム,という3つの主要なメカニズムにより,これらの課題に対処する。 多様な経済シナリオの実験により、複数の確立された経済研究(運河崩壊、ガバナンスの起源、情報伝播)とドメイン間の現象を複製する「textit{Eco3S}」の有効性が確認された。 さらなる結果は、そのスケーラビリティと一般化可能性をさらに示し、厳格な経済研究と政策立案に対するフレームワークの可能性を強調している。

関連論文リスト

• MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation [52.11732144306638]
  メモリ強化社会シミュレーション(MASS)は,高度に現実的で研究指向の社会シミュレーションを活用する革新的なパラダイムである。 具体的には,マルチレベル社会規範による動的目標パス計画とシミュレーションを導くためのマルチレベル社会規範,エージェントメモリコールトスタートのための多分野行動データセット,エビングハウス曲線にインスパイアされた構造的忘れ機構の3つのコアコンポーネントを統合する。
  論文  参考訳（メタデータ） (2026-06-08T08:32:21Z)
• Simulate, Reason, Decide: Scientific Reasoning with LLMs for Simulation-Driven Decision Making [50.05403024674141]
  MechSimは、実行可能な科学シミュレーターのためのメカニズム基底の神経象徴的推論フレームワークである。 我々のフレームワークは、仮定、変数、メカニズムの依存関係、実行トレースをキャプチャする共有構造化スキーマを通してシミュレータを表現する。 提案手法は,複数のハイテイク領域にまたがって評価され,メカニズムレベルの説明品質,シミュレータ解析,下流意思決定の信頼性が向上することを示す。
  論文  参考訳（メタデータ） (2026-06-03T06:36:51Z)
• Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits [11.902271500463934]
  生成エージェントはエージェントベースのモデリングに新しい表現力をもたらす。 研究者にとって小さな摂動は、マクロレベルの結果にカスケードすることができる。 TRAILSは3段階のシミュレーション設計にまたがる頑健性監査型分類法である。
  論文  参考訳（メタデータ） (2026-05-17T00:21:53Z)
• Thinking by Doing: Building Efficient World Model Reasoning in LLMs via Multi-turn Interaction [53.745458605360675]
  効率的な相互作用とアクティブ推論(WMAct)による世界モデル内在化を探求する。 WMActは、モデルを構造化推論から解放し、モデルがその実行を通じて思考を直接形作ることを可能にする。 ソコバン, 迷路, タクシーの実験から, WMActは一つのターンでタスクを解決できる効果的な世界モデル推論を導出することを示した。
  論文  参考訳（メタデータ） (2025-11-28T18:59:47Z)
• Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
  SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。 SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-22T06:01:21Z)
• Surrogate Modeling and Explainable Artificial Intelligence for Complex Systems: A Workflow for Automated Simulation Exploration [0.9236873716369859]
  複雑なシステムは、シミュレーション駆動工学によってますます研究されている。 1) 正確な探索には多くの高価なシミュレーターが必要であり、(2) 決定が不透明なブラックボックスコンポーネントに依存する場合の透明性と信頼性が制限されている。 本研究では, 軽量エミュレータを高速かつ低遅延で高価なシミュレータの近似を提供し, (ii) 厳密な不確実性定量化を実現し, (iii) グローバルおよびローカルな説明可能な人工知能 (XAI) 解析に適応させる, 実験のコンパクトな設計について, 両課題に対処するワークフローを提案する。
  論文  参考訳（メタデータ） (2025-10-19T07:55:52Z)
• Modèles de Substitution pour les Modèles à base d'Agents : Enjeux, Méthodes et Applications [0.0]
  エージェントベースモデル(ABM)は、局所的な相互作用から生じる創発的な現象を研究するために広く用いられている。 ABMの複雑さは、リアルタイム意思決定と大規模シナリオ分析の可能性を制限する。 これらの制限に対処するため、サロゲートモデルはスパースシミュレーションデータから近似を学習することで効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-05-17T08:55:33Z)
• From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
  伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。 大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。 シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
  論文  参考訳（メタデータ） (2024-12-04T18:56:37Z)
• 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)

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。