論文の概要: Grounded, Compute-Efficient LLM Policy Agents for Energy-Poverty Equity in Physically-Constrained Peer-to-Peer Energy Markets
- arxiv url: http://arxiv.org/abs/2609.01918v1
- Date: Tue, 01 Sep 2026 22:37:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.003943
- Title: Grounded, Compute-Efficient LLM Policy Agents for Energy-Poverty Equity in Physically-Constrained Peer-to-Peer Energy Markets
- Title（参考訳）: 物理的に制約されたピア・ツー・ピアエネルギー市場におけるエネルギー貧困均衡のための基礎的・効率的なLCM政策エージェント
- Abstract要約: EqGridは,低周波かつオープンウェイトなLCM政策エージェントが価格と炭素境界を設定し,実証的な家庭のペルソナコミュニティに対する補助金を目標とするクローズドループシミュレーションである。
私たちの貢献は3倍になり、AIの社会的影響を直接的に測定する方法に対処します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Energy poverty is nearly absent from NLP-for-social-good, and the little existing work is either static retrieval/QA or relies on carbon-intensive cloud LLMs, a self-defeating "computational irony" for a humanitarian setting. We present EqGrid, a closed-loop simulation in which a low-frequency, open-weight LLM policy agent sets price and carbon bounds and targeted subsidies over a community of empirically-grounded household personas, while high-frequency multi-agent RL traders clear a continuous double auction constrained by a physical distribution grid (IEEE-33-bus with Dynamic Operating Envelopes). Our contribution is threefold and directly addresses how to measure the social impact of AI: (i) grounded personas (region-matched socio-demographics) whose load curves are checked for shape and level realism against real smart-meter data; (ii) formal energy-poverty equity metrics (Energy Burden, Gini of EB, LIHC) showing the intervention reduces burden inequality without raising net grid cost; and (iii) a compute-efficiency frontier that measures how much equity performance survives compressing the policy agent from a 235B teacher down to a sub-1B model deployable on a laptop, in estimated energy/carbon per decision. A decoupled-safety design (the LLM sets bounds; a validate-and-project grid gate executes) yields zero grid-constraint violations versus 55 under direct LLM control. On energy-poverty equity, the LLM policy lowers the Gini of energy burden to 0.305 (from 0.351) and mean burden by 28% while cutting cost (outperforming a tuned rule baseline), and a 3B-active model retains 95% of the benefit at roughly 9x lower inference energy than the teacher, with even a 0.8B on-device model retaining 92% at roughly 24x lower energy. We will release code and configs.
- Abstract（参考訳）: エネルギーの貧困はNLP-for-social-goodにはほとんど欠落しており、既存の小さな研究は静的検索/QAか、人道的な設定で自己消滅する「計算的皮肉」である炭素集約型クラウドLEMに依存している。
我々は,低周波かつオープンウェイトなLCM政策エージェントが価格と炭素境界を設定し,実証的な地上の家庭のペルソナのコミュニティに対する補助金を目標とするクローズドループシミュレーションであるEqGridを紹介し,高頻度マルチエージェントRLトレーダーは物理分布グリッド(IEEE-33-bus with Dynamic Operating Envelopes)に制約された連続二重オークションをクリアする。
私たちの貢献は3倍になり、AIの社会的影響を直接的に測定する方法に対処します。
一 実際のスマートメーターデータに対する形状及びレベルリアリズムの負荷曲線を検査する接地人格(地域対応型社会デデマグラフィー)
(二 ネット網コストを上昇させることなく、負担不平等を低減させる正式なエネルギーポーバティエクイティ指標(Energy Burden、EBのGini、LIHC)
3 235B教師からノートパソコンに展開可能なサブ1Bモデルまで、決定毎に推定エネルギー/炭素まで、政策エージェントを圧縮し、どれだけのエクイティパフォーマンスを維持できるかを測定する計算効率フロンティア。
分離された安全設計(LLMはバウンダリをセットし、検証と計画のグリッドゲートが実行される)は、直接LLM制御の下では55のグリッド制約違反を発生させる。
LLMの方針では、エネルギー負荷のジーニを0.305(0.351から)まで下げ、コストをカットしながら平均的な負担を28%削減し(調整された規則ベースラインを上回る)、3B-アクティブモデルは、教師より約9倍低い推論エネルギーで利益の95%を維持し、0.8Bのオンデバイスモデルでも約24倍低いエネルギーで92%を維持している。
コードと設定をリリースします。
関連論文リスト
- Safe and Sustainable Electric Bus Charging Scheduling with Constrained Hierarchical DRL [43.715336081857394]
太陽光発電(PV)パネルなどの再生可能エネルギー源を備えた電気バス(EB)は、持続可能な低炭素公共交通を推進するための有望なアプローチである。
本稿では,EB充電スケジューリング問題(EBCSP)を多ソース不確実性下で解決するための安全な深層強化学習フレームワークを提案する。
我々は新しいHDRLアルゴリズム、すなわちDouble ActorCritic MultiAgent Proximal Policy Optimization Lagrangian(DACMAPPO-Lagrangian)を開発した。
論文 参考訳（メタデータ） (2025-11-25T20:00:02Z) - EBT-Policy: Energy Unlocks Emergent Physical Reasoning Capabilities [41.02333103120137]
Diffusion Policyのような生成モデルによってパラメータ化される暗黙のポリシーは、しばしば高い計算コスト、露出バイアス、不安定な推論ダイナミクスに悩まされる。
EBT-Policyという新しいエネルギベースのアーキテクチャを導入し、ロボットと現実世界の設定における中核的な問題を解決する。
EBT-Policyは、トレーニングや推論の計算を少なくしながら、拡散ベースのポリシーを一貫して上回る。
論文 参考訳（メタデータ） (2025-10-31T15:21:05Z) - BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping [69.74252624161652]
適応クリッピング(BAPO)を用いたBAlanced Policy Optimizationを提案する。
BAPOはクリッピングバウンダリを動的に調整し、適応的に正と負のコントリビューションを再バランスさせ、エントロピーを保持し、RL最適化を安定化させる。
AIME 2024とAIME 2025ベンチマークでは、7B BAPOモデルがSkyWork-OR1-7Bのようなオープンソースモデルを上回っています。
論文 参考訳（メタデータ） (2025-10-21T12:55:04Z) - Energy-Driven Steering: Reducing False Refusals in Large Language Models [80.09252175869858]
エネルギー駆動ステアリング(EDS、Energy-Driven Steering)は、動的で推論時間の介入によってこの問題を解決するために設計された、新しい、微調整自由なフレームワークである。
我々は、望ましくない(偽の拒絶または脱獄)状態に高エネルギーを割り当て、望ましい(好ましくない反応または安全な拒絶)状態に低エネルギーを割り当てるために、軽量な外部エネルギーベースモデル(EBM)を訓練した。
エネルギー関数の勾配を利用してLLMの隠れた状態を低エネルギー領域に動的に操る。
論文 参考訳（メタデータ） (2025-10-09T06:01:41Z) - Social Welfare Function Leaderboard: When LLM Agents Allocate Social Welfare [87.06241096619112]
大規模言語モデル(LLM)は、人間の福祉に影響を及ぼす高い意思決定にますます信頼されている。
本稿では, LLMが主権アロケータとして機能する動的シミュレーション環境である社会福祉機能ベンチマークを紹介する。
我々は、20の最先端LCMを評価し、社会福祉確保のための第1のリーダーボードを提示する。
論文 参考訳（メタデータ） (2025-10-01T17:52:31Z) - Scalable Fairness Shaping with LLM-Guided Multi-Agent Reinforcement Learning for Peer-to-Peer Electricity Markets [3.7321070110102075]
ピアツーピア(P2P)エネルギー取引は現代の流通システムの中心となっている。
フェアネスを考慮したマルチエージェント強化学習フレームワークであるFairMarket-RLを提案する。
この枠組みは、取引所を地元のP2P取引にシフトさせ、グリッドのみの調達に対する消費者コストを下げ、参加者間の強い公正性を維持し、実用性を維持する。
論文 参考訳（メタデータ） (2025-08-26T02:25:17Z) - Computational Economics in Large Language Models: Exploring Model Behavior and Incentive Design under Resource Constraints [1.00707850217229]
大規模言語モデル(LLM)は計算コストによって制限される。
我々は, LLMを資源制約されたエージェントの内部経済として扱う「計算経済学」の枠組みを導入する。
計算が不十分な場合、標準LLMは精度を保ちながら高価値トークンに注意を向ける。
論文 参考訳（メタデータ） (2025-08-14T07:55:45Z) - An Explainable Equity-Aware P2P Energy Trading Framework for Socio-Economically Diverse Microgrid [0.0]
本稿では、多目的混合整数線形プログラミング(MILP)、協調ゲーム理論、強化学習(RL)によって駆動される動的エクイティ調整機構を統合する新しいフレームワークを提案する。
この枠組みは、最大72.6%のピーク需要削減と、大きな協力的な利益を示す。
論文 参考訳（メタデータ） (2025-07-24T18:38:51Z) - Strictly Batch Imitation Learning by Energy-based Distribution Matching [104.33286163090179]
すなわち、強化信号へのアクセスがなく、遷移力学の知識がなく、環境とのさらなる相互作用もない。
1つの解決策は、既存のアルゴリズムをオフライン環境で動作させるために、見習いの学習に適合させることである。
しかし、このようなアプローチは、政治外の評価やオフラインモデルの推定に大きく依存しており、間接的で非効率である可能性がある。
優れたソリューションは、ポリシーを明示的にパラメータ化し、ロールアウトダイナミクスから暗黙的に学習し、完全にオフラインで運用できるべきだ、と私たちは主張する。
論文 参考訳（メタデータ） (2020-06-25T03:27:59Z) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。