論文の概要: S$^2$-MAS: A Society-Scale Multi-Agent Simulation Framework with 500 Million Household Persona Agents

• arxiv url: http://arxiv.org/abs/2610.27746v2
• Date: Wed, 21 Oct 2026 09:52:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.088938
• Title: S$^2$-MAS: A Society-Scale Multi-Agent Simulation Framework with 500 Million Household Persona Agents
• Title（参考訳）: S$^2$-MAS:5億世帯ペルソナエージェントによる社会規模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
• Abstract要約: S$2$-MASは5億世帯の人格をベースとした社会規模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。 ジェネレーションエンジンは州の更新から意思決定を分離し、再利用可能な金融シナリオは消費、現金、負債、支払いを追跡する。 SFT + RLCDで訓練されたコンパクトな決定モデルSharp-421m-mlxは74.55%の精度と38.37%の質問マクロF1を達成している。
• 参考スコア（独自算出の注目度）: 9.7944225283031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating economic responses at society scale requires agents whose decisions reflect household circumstances and the effects of earlier actions. We introduce S$^2$-MAS, a society-scale multi-agent simulation framework built on 500 million synthetic household personas grounded in real-survey data. Its Genese engine separates decisions from state updates, while reusable financial scenarios and application ledgers track consumption, cash, debt and payments. Sharp-421m-mlx, a compact decision model trained with SFT + RLCD on 2.93 million examples, achieves 74.55% accuracy and 38.37% question-macro F1 in consumer financial-choice scenarios, outperforming Jev 1.13 and GLM-5.3-Flash on both measures. We evaluate eight financial task families and simulate 12 million distinct household agents in paired purchase-funding conditions. Jointly raising purchase goals and approved credit limits increases consumption, with responses differing across age and income groups. Education, employment and household-size differences persist after age--income standardization and mainly reflect transitions from deferral to purchase. Asset and debt groups differ in cash drawdown, repayment and closing debt. A 24-month panel varies purchase goals under a common credit product, with repayment and arrears updating subsequent offers. S$^2$-MAS links heterogeneous household decisions to evolving consumption, cash and repayment paths, supporting economic experiments across household groups, population scales and time horizons.
• Abstract（参考訳）: 社会規模での経済反応のシミュレーションには、家庭の状況や以前の行動の影響を反映した決定を下すエージェントが必要である。 S$2$-MASは,実測データに基づく5億世帯の個人を対象とする社会規模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。 Geneseエンジンは国家の更新から意思決定を分離し、再利用可能な金融シナリオとアプリケーション台帳は消費、現金、負債、支払いを追跡する。 Sharp-421m-mlxは、SFT + RLCDで2.93万の例で訓練されたコンパクトな決定モデルであり、消費者金融選択シナリオにおいて74.55%の精度と38.37%の質問マクロF1を達成し、どちらもJev 1.13とGLM-5.3-Flashを上回っている。 我々は,8つの金融タスクファミリーを評価し,一組の購買支援条件下で,1200万世帯エージェントをシミュレートした。 購入目標と承認された信用限度を共同で引き上げることで消費が増加し、年齢層と所得層で回答が異なる。 教育、雇用、世帯規模の違いは、所得の標準化後も継続し、主に遅延から購入への移行を反映している。 資産と債務グループは、現金の引下げ、返済、債務の閉鎖で異なる。 24ヶ月のパネルでは、共通のクレジット商品の下での購入目標が変更され、返済とその後のオファーが更新される。 S$2$-MASは、消費、現金、返済経路の進化に異質な家庭の意思決定を結びつけ、家庭集団、人口規模、時間的地平線における経済実験を支援している。

関連論文リスト

• Verifiable Hidden Dynamics Play: Generating Agentic RL Environments from Solved Mechanisms [24.151780018434835]
  VHD-Playは、それぞれ数セントのコストで3300の多様なエージェント環境を生産する。 3家族でのQwen3.6-35B-A3Bのトレーニングでは、平均エージェントスコアが0.204から0.815に上昇する。 Eコマースベンチでは、トレーニングされたチェックポイントが倒産せずに全走行を完了し、Qwen3.7-Maxを超える。
  論文  参考訳（メタデータ） (2026-09-23T03:51:54Z)
• Simulated Customers Never Walk Away: Decision Fidelity of LLM User Simulators Measured Against Real Purchase Outcomes [6.1260812874439345]
  既存のフレームワークは、シミュレーターが有給参加者の真実に対して人間のように話すかどうかを測定する。 目標が割り当てられると、ユーザのモチベーションは内因性、潜伏、崩壊します。 シミュレーションされた人口が実際の連続的な選択に直面している実際のユーザの意思決定ダイナミクスを再現するかどうか。
  論文  参考訳（メタデータ） (2026-06-16T03:53:10Z)
• CoffeeBench: Benchmarking Long-Horizon LLM Agents in Heterogeneous Multi-Agent Economies [2.545704705278791]
  異種企業からなる長期マルチエージェント経済におけるLCMエージェント評価のためのベンチマークであるCoffeeBenchを紹介する。 農家2人、ロースター2人、小売店2人が90日間のシミュレーションで事業を自律的に運営している。 すべてのモデルがパッシブベースラインを上回り、アクションを取らず、ほとんどのモデルが肯定的な純利益を達成する。
  論文  参考訳（メタデータ） (2026-06-15T12:04:44Z)
• Attributing Emergence in Million-Agent Systems [68.53670424791751]
  大規模言語モデル(LLM)は、個々のエージェントにおける人間のような推論と意思決定をシミュレートすることができる。 このような研究は、個々のエージェントにマクロな出現をもたらす必要がある。 Aumann--Shapley path-integral attribution to LLM-powered MAS at million-agent scale。
  論文  参考訳（メタデータ） (2026-05-12T01:49:41Z)
• MALLES: A Multi-agent LLMs-based Economic Sandbox with Consumer Preference Alignment [18.220563522041733]
  本稿ではマルチエージェント大規模言語モデルに基づく経済サンドボックス(MALLES)を紹介する。 我々のアプローチの中心は、LLMが広範囲で不均一なトランザクションレコードのポストトレーニングを通じて経済的に整合している選好学習パラダイムである。 実験により,本フレームワークは製品選択精度,購入量予測,シミュレーション安定性の大幅な向上を実現していることが示された。
  論文  参考訳（メタデータ） (2026-03-18T13:11:09Z)
• Advanced simulation paradigm of human behaviour unveils complex financial systemic projection [13.049984158000296]
  本稿では,各エージェントが階層的知識アーキテクチャによってサポートされ,駆動される行動シミュレーションの新しいパラダイムを提案する。 我々のシミュレーターは、価格上昇率が285.34%に達する危機シナリオをシミュレートする上で、13.29%の偏差を達成している。 また,通常の条件下では,商品先物価格の予測における平均2乗誤差も低く抑えられる。
  論文  参考訳（メタデータ） (2025-02-18T12:40:04Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)

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。