論文の概要: Who Keeps the Gains from Personal AI Assistants? Seller Adaptation and the Unassisted in a Language-Model Market Simulation

• arxiv url: http://arxiv.org/abs/2610.05823v1
• Date: Mon, 05 Oct 2026 05:20:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:02:19.220937
• Title: Who Keeps the Gains from Personal AI Assistants? Seller Adaptation and the Unassisted in a Language-Model Market Simulation
• Title（参考訳）: パーソナルAIアシスタントから利益を守るのは誰か? セラー適応と言語モデル市場シミュレーション
• Abstract要約: われわれはエージェントベースのレンタル市場を構築し、言語モデルが消費者、アシスタント、6つのアダプティブ・セラーを演じている。 販売者が凍結した日1日あたり、採用者の支出が13.7ドル削減されたことが判明した。 市場レベルでは、完成度、総支出、非ユーザを含め、アシスタントを評価すべきであると結論付けている。
• 参考スコア（独自算出の注目度）: 3.1483200146172723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personal AI assistants are beginning to transact for consumers, and early adopters capture real savings. Whether those savings survive, and what happens to consumers who have no assistant, depends on how sellers respond -- a question single-user evidence cannot answer. We build an agent-based rental market in which language models play consumers, assistants, and six adaptive sellers guided by an algorithmic pricing tool. Half the population receives an assistant under an advisory or an executing mandate; the contract pairs a fee only the renter's physical action avoids with a pre-selected add-on an authorised assistant can cancel online. An analytical benchmark and a behaviourally calibrated rule market supply ex-ante predictions, and paired branches with frozen versus adaptive sellers separate adoption effects from market feedback. Across thirty simulated markets, executing assistants cut adopters' spending by 13.7 USD per renter-day when sellers are frozen; adaptation claws back about a third, leaving 8.7, with the gains arriving both as lower bills and as rentals completed at all. Sellers raise headline rates while cutting fees, and the calibrated forecast of the burden on unassisted consumers (+3.6) does not transfer: their mean spending change is +0.4, confidence interval -0.6 to +1.3. Seller-model swaps and a within-market transfer of fee-setting to the pricing tool show that fee conduct, and with it the division of the gains, is decided on the seller side. Assistants, we conclude, should be evaluated at market level -- completion, total spending, and non-users included -- and the comparison layers locate exactly where a calibrated behavioural forecast fails in a language-model market.
• Abstract（参考訳）: パーソナルAIアシスタントは、消費者のために取引を始めており、アーリーアダプターは真の貯蓄を捉えている。 これらの貯蓄が生き残り、アシスタントのない消費者に何が起こるかは、売り手がどう反応するかによって決まる。 我々はエージェントベースのレンタル市場を構築し、消費者、アシスタント、アルゴリズムによる価格設定ツールによってガイドされた6つのアダプティブ・セラーを言語モデルがプレイする。 住民の半数は顧問または執行委任状でアシスタントを受け取り、契約はレンタル業者の身体的行為のみの手数料と、承認されたアシスタントがオンラインでキャンセルできる事前選択されたアドオンとをペアリングする。 分析的ベンチマークと行動的校正された市場供給元予測、およびフリーズとアダプティブ・セラーとのペアブランチは、市場フィードバックから採用効果を分離する。 30の模擬市場では、販売者が凍結した日1日13.7ドル(約1万3000円)の値下げが実施され、適応の爪が約3分の1まで後退し、8.7が終了し、利回りは低額紙幣と賃貸料の両方に到達した。 販売者は手数料をカットしながらヘッドラインレートを上げ、非支援消費者の負担の調整された予測(+3.6)は転送されない:平均消費変化は+0.4、信頼区間は−0.6〜+1.3である。 販売者モデルスワップと価格ツールへの手数料設定の市場内移転は、手数料行為とそれに伴う利得の分割が売り手側で決定されることを示している。 アシスタントは、完成度、総支出、非ユーザを含む市場レベルで評価されるべきであり、比較レイヤーは、言語モデル市場において調整された行動予測が失敗する場所を正確に特定する。

関連論文リスト

• Shared Prefixes, Better Credit: Adaptive Routing for Multi-Agent Reasoning [72.49938949082117]
  MAR(Multi-agent reasoning)は、反復的な解交換と改良を通じて推論の信頼性を向上させる。 既存の適応MARメソッドは通常、クエリレベルのラベルやトラジェクトリレベルのリターンからルーティング決定を学習する。 効率的な適応MARのための共有操作型クレジット割り当てフレームワークであるTreeCreditを提案する。
  論文  参考訳（メタデータ） (2026-08-03T14:22:23Z)
• Can LLM Agents Price Competitively? A Dynamic Multi-Attribute Auction Benchmark for Agentic Commerce [6.73241735302544]
  マルチ属性オークションのための動的シールバイドベンチマークであるBazaarを紹介する。 そのダイナミックさにもかかわらず、ベンチマークはクローズドな顧客ユーティリティに基礎を置いている。 最強のエージェントでさえ、後向きの最適利益の3分の1以下を捉えていることがわかった。
  論文  参考訳（メタデータ） (2026-07-30T23:18:47Z)
• Evaluating and Pricing Advertisements in AI-Generated Responses [5.675676304782969]
  主な課題は、クリックスルーインテント、行動ログが利用できないこと、人間のアノテーションが校正に抵抗すること、フロンティアのLLM判事がインテントを言語的な流布と説明することである。 心理学的基盤を持つエージェント・シミュレーション・フレームワークを用いて、欠落した監視を構築、クリックスルー意図を予測するパラメータ効率評価器に分解し、スムーズで微分可能な見積もりとして、広告品質の3つの相補的な次元と合わせて構成する。 我々は価格層を直接構築し、真理入札が最適であるユニークな支払いルールを導出し、それを最高のk割当で示し、そのメカニズムを非モノトン割当に拡張する。
  論文  参考訳（メタデータ） (2026-07-30T05:07:27Z)
• Online Market Making and the Value of Observing the Order Book [44.5487486690729]
  本研究では,学習者が連続して入札を行い,単一資産の価格を求めるオンライン市場形成問題について検討する。 リアルリミットオーダーブックにインスパイアされたアクション依存フィードバックモデルを導入する。 この追加情報が、問題の学習可能性に根本的に変化することを示します。
  論文  参考訳（メタデータ） (2026-05-19T09:26:01Z)
• Training Language Models for Bilateral Trade with Private Information [47.25254982913256]
  貿易の利益を達成するためには、個人、戦略的余剰の合理性、協力が必要である。 本研究では,大規模言語モデルがイベント駆動シミュレータ内のツールコールを介して交渉する構造化交渉環境を開発する。 この環境は、フロンティアモデルのベンチマークと、強化学習によるオープンウェイトモデルのトレーニング環境という2つの目的を果たす。
  論文  参考訳（メタデータ） (2026-04-10T03:04:20Z)
• Calibrating an Imperfect Auxiliary Predictor for Unobserved No-Purchase Choice [1.5484595752241122]
  企業が競争相手から購入するか、買わないか、会社のオファーを十分に考慮するか、といった、主要な消費者行動を見ることができないのが一般的である。 この外部オプション情報が欠落しているため、単純なマルチノミアルロジット(MNL)モデルであっても、市場規模と嗜好の推定が困難になる。 我々は,ブラックボックス補助予測器が外部オプションの確率を提供する相補的な設定について検討するが,異なるチャネル,期間,集団で訓練されたため,バイアスや誤判定の可能性がある。 我々は、これらの不完全予測を、焦点からの購入専用データを用いた統計的に有効なノン購入推定に変換するキャリブレーション手法を開発した。
  論文  参考訳（メタデータ） (2026-02-12T03:00:36Z)
• Vertical tacit collusion in AI-mediated markets [0.0]
  共同利用は、戦略が独立していればどうなるかという2倍以上の消費者に害を与えることを示す。 水平のアルゴリズムによる衝突とは異なり、垂直の暗黙の衝突は調整を必要とせず、反トラスト検出を避ける。 我々の発見は、AIショッピングエージェントが主流に普及するにつれて、緊急の規制のギャップが認識される。
  論文  参考訳（メタデータ） (2026-01-06T14:43:14Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。