論文の概要: Artificial Institutions: How Institutional Design Shapes LLM Simulations

• arxiv url: http://arxiv.org/abs/2608.04020v1
• Date: Wed, 24 Jun 2026 12:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.148185
• Title: Artificial Institutions: How Institutional Design Shapes LLM Simulations
• Title（参考訳）: 人工施設:LLMシミュレーションをどう形作るか
• Abstract要約: 本稿では,シミュレーションの制度的構造が等しく重要であることを論じる。 私はこの点を小さな反復的価値市場実験で示します。 コールマーケットは効率の88.6%、ポストオフおよびポストバイド市場は約66%、継続的なダブルオークションは71.5%、バイラルバーゲティングは56.4%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial societies built from large language model (LLM) agents are becoming a practical research tool in economics, political science, sociology, and computer science. Most attention has focused on the properties of the agents: their prompts, personas, memory, reasoning, and similarity to human subjects. This paper argues that the institutional architecture of a simulation is equally important. I demonstrate the point in a small repeated induced-value market experiment. The same LLM agents face the same private values, costs, history, and payoff-framed instructions, while only the rules of exchange vary across five standard market institutions: a call market, posted-offer market, posted-bid market, continuous double auction, and bilateral bargaining. Outcomes differ sharply. Call markets realize 88.6% of efficient surplus; posted-offer and posted-bid markets realize about 66%; continuous double auctions realize 71.5%; and bilateral bargaining realizes 56.4%. Institutions also change trade quantities, price distance from competitive equilibrium, and the division of surplus between buyers and sellers. These results show that even minimal institutional changes can generate qualitatively different artificial social outcomes.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントから構築された人工社会は、経済学、政治科学、社会学、計算機科学の実践的な研究ツールになりつつある。 最も注目されているのは、そのプロンプト、ペルソナ、記憶、推論、およびヒトの被験者との類似性である。 本稿では,シミュレーションの制度的構造が等しく重要であることを論じる。 私はこの点を小さな反復的価値市場実験で示します。 同じLLMエージェントは、同じプライベートバリュー、コスト、履歴、ペイオフフレームの指示に直面するが、交換のルールは、コールマーケット、ポストオフ市場、ポストバイド市場、継続的なダブルオークション、二国間取引の5つの標準市場機関でのみ異なる。 成果は著しく異なる。 コールマーケットは効率の88.6%、ポストオフおよびポストバイド市場は約66%、継続的なダブルオークションは71.5%、バイラルバーゲティングは56.4%である。 機関はまた、貿易量、競争均衡からの価格距離、買い手と売り手の間の余剰の分担も変更している。 これらの結果から,最小限の制度的変化さえも,質的に異なる人工社会の結果を生み出すことが示唆された。

関連論文リスト

• Why Better Models Can Create Riskier Systems: Evidence from LLM Agents in Financial Markets [0.0]
  大規模言語モデル(LLM)は、連続現実システムにおいて大規模に展開されている。 システムレベルの結果を改善するのではなく、個々のモデル能力を改善することが示される。
  論文  参考訳（メタデータ） (2026-09-03T18:37:56Z)
• Competitive Market Behavior of LLMs [10.688937502565592]
  我々は、人間のために設計された市場メカニズムをテストするために、人間を大きな言語モデル(LLM)に置き換える。 LLMエージェントが占める市場は、市場の均衡に向けて緩やかまたは全く収束していない。 また、エージェントが生成したChain-of-Thoughtトレースの語彙解析も行っている。
  論文  参考訳（メタデータ） (2026-09-02T13:24:42Z)
• Agent Bazaar: Enabling Economic Alignment in Multi-Agent Marketplaces [13.796920626646964]
  本稿では,経済アライメント評価のためのマルチエージェントシミュレーションフレームワークであるAgens Bazaarを紹介する。 我々は,B2C市場におけるアルゴリズム的不安定性(“The Crash”)と,C2C市場におけるSybil Deception(“The Lemon Market”)の2つの障害モードを特定する。 我々は、経済に整合したハーネス、安定化企業、懐疑的ガーディアンズを提案し、その結果を改善するが、厳しい市場条件下では脆弱である。
  論文  参考訳（メタデータ） (2026-05-17T23:36:55Z)
• MarketBench: Evaluating AI Agents as Market Participants [0.0]
  MarketBenchは、AIエージェントにAI機能があるかどうかを評価するためのベンチマークである。 我々は、ソフトウェアエンジニアリングベンチマークであるSWE-bench Liteの93タスクサブセットを使用し、最近リリースされた6つのLLMをデモとして使用しています。 我々の結果は、AIエージェントの市場スタイルの調整において、自己評価が重要なボトルネックであることを示している。
  論文  参考訳（メタデータ） (2026-04-26T21:48:01Z)
• Market-Bench: Benchmarking Large Language Models on Economic and Trade Competition [102.73682784993169]
  本稿では,経済関連タスクにおける大規模言語モデル(LLM)の能力を評価するベンチマークであるtextbfMarket-Benchを紹介する。 我々は、LLMが商品の調達・販売を担当する小売業者として機能するマルチエージェントサプライチェーン経済モデルを構築した。 Market-Benchは入札、価格、スローガン、販売、バランスシートの完全な軌跡を記録し、経済、運用、セマンティックメトリクスによる自動評価を可能にしている。
  論文  参考訳（メタデータ） (2026-04-07T07:23:51Z)
• Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets [74.91125572848439]
  本稿では,サービスエージェントが消費者を代表し,サービスエージェントが競合するビジネスを代表する2面のエージェントマーケットプレースについて検討する。 この環境では、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、検索メカニズムが市場の結果をどのように形作るか、といった主要な市場ダイナミクスを研究することができる。 実験の結果、フロンティアモデルは最適な福祉に近づくことができるが、理想的な探索条件下でのみ適用可能であることが判明した。
  論文  参考訳（メタデータ） (2025-10-27T18:35:59Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
  大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。 LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
  論文  参考訳（メタデータ） (2025-02-25T08:41:01Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Intelligent Trading Systems: A Sentiment-Aware Reinforcement Learning Approach [11.09729362243947]
  本稿では市場ムードを活用して利益の安定を図るセンティメント・アウェア・RL(SentARL)インテリジェントトレーディングシステムを提案する。 本稿では,SentARLのベースラインに対する一貫した有効性を示す。
  論文  参考訳（メタデータ） (2021-11-14T16:30:45Z)

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。