論文の概要: PAWS: Policy-driven Agentic World Simulation

• arxiv url: http://arxiv.org/abs/2609.28547v1
• Date: Wed, 23 Sep 2026 03:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.393637
• Title: PAWS: Policy-driven Agentic World Simulation
• Title（参考訳）: PAWS: 政策駆動型エージェントワールドシミュレーション
• Abstract要約: PAWSは政策主導のエージェント・ワールド・シミュレーションのデータセットで、36件の米国金融・経済政策のエピソード、12,727件の政策関連ニュース、65,291件の利害関係者のアクションをカバーしている。 PAWSは、歴史的に根ざした金融シミュレーションにおいて、エージェントの影響、ポリシー応答カスケード、アクションアウトカムアライメントを評価するための監査可能な基質を提供する。
• 参考スコア（独自算出の注目度）: 40.906071475250336
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Policy interventions propagate through public communication, institutional decisions, and stakeholder responses, yet datasets for financial multi-agent simulation rarely connect these processes to temporally aligned historical evidence. We introduce PAWS, a Policy-driven Agentic World Simulation dataset covering 36 verified U.S. financial and economic policy episodes, 12,727 policy-linked news records, and 65,291 source-grounded stakeholder actions. Each action is linked to its supporting news and represented by a multi-layer event frame capturing its interaction mode, financial-action family and subtype, semantic attributes, and conditional mappings to external taxonomies. Entities are resolved to normalized organizations, and actions are aligned with daily market-return context to support policy-agent simulation replay. On 2,522 stratified action samples, independent AI and human reviewers achieved 89.4% initial agreement on interaction mode, with disagreements subsequently adjudicated. Case studies of the 2008 short-selling ban and 2001 decimalization recover documented policy timelines and associated market patterns across both dense and sparse news settings. A replay study further shows that high accuracy can mask failure to detect rare stakeholder actions, identifying action timing and calibration as central challenges. PAWS provides an auditable substrate for evaluating agent influence, policy-response cascades, and action-outcome alignment in historically grounded financial simulations.
• Abstract（参考訳）: 政策介入は、公共のコミュニケーション、制度上の決定、利害関係者の反応を通じて伝播するが、金融マルチエージェントシミュレーションのためのデータセットは、これらのプロセスを時間的に整列した歴史的証拠に結び付けることは滅多にない。 PAWSは、米国財務・経済政策に関する36の検証済みエピソード、12,727のポリシー関連ニュースレコード、65,291のソースベースステークホルダーアクションをカバーする、政策主導のエージェント・ワールド・シミュレーションデータセットである。 各アクションはサポートされたニュースにリンクされ、インタラクションモード、金融アクションファミリーとサブタイプ、セマンティック属性、および外部分類への条件マッピングをキャプチャする多層イベントフレームで表現される。 標準化された組織にはエンティティが解決され、ポリシー・エージェント・シミュレーションのリプレイをサポートするために、日々の市場・リターンのコンテキストに沿って行動する。 2,522の階層化されたアクションサンプルでは、独立したAIと人間レビュアーが89.4%の対話モードに関する最初の合意を達成し、その後、意見の相違が認められた。 2008年の短売禁止と2001年の十進化に関するケーススタディでは、密集したニュース設定とまばらなニュース設定の両方で、ポリシータイムラインと関連する市場パターンが文書化されている。 リプレイスタディでは、稀な利害関係者の行動の検出に失敗し、行動タイミングとキャリブレーションを中心的課題として識別する。 PAWSは、歴史的に根ざした金融シミュレーションにおいて、エージェントの影響、ポリシー応答カスケード、アクションアウトカムアライメントを評価するための監査可能な基質を提供する。

関連論文リスト

• ProMediConv: Benchmarking Proactive Conversational Agents in Legal Dispute Mediation [65.39532118490511]
  ProMediConvは、メディエーションをプロアクティブ、マルチステージ、パーティ対応の対話プロセスとしてモデル化する新しいベンチマークフレームワークである。 972個の実世界のケースを用いて,戦略およびBP状態の発話レベルアノテーションを用いた高忠実度調停データセットを構築した。 また、対話を通してBPシフトを捉えるための詳細な計量であるMAD(Mean Attribute difference)を提案する。
  論文  参考訳（メタデータ） (2026-09-10T05:26:40Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• K-SHAP: Policy Clustering Algorithm for Anonymous Multi-Agent State-Action Pairs [1.2891210250935146]
  金融市場では、市場参加者戦略を特定するラベル付きデータは一般的にプロプライエタリである。 本稿では、エージェントポリシーに従って匿名状態-アクションペアをグループ化するポリシークラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-23T13:18:12Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)

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。