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

• arxiv url: http://arxiv.org/abs/2610.27746v5
• Date: Wed, 28 Oct 2026 02:20:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-30 22:39:27.456721
• Title: S$^2$-MAS: A Society-Scale Multi-Agent Simulation Framework with a 500-Million-Persona Resource
• Title（参考訳）: S$^2$-MAS:500-Million-Personaリソースを用い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
• Abstract要約: S$2$-MASは5億の合成世帯ペルソナのリソースを持つ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。 トレーニング可能な候補表示ポリシー、再利用可能な金融シナリオ、明示的な状態遷移を組み合わせる。 YN-mini-MLXは74.55%の精度で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）: 17.47421798545332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating economic responses at society scale requires decision rules that respond to household circumstances and accounting rules that track their consequences. We introduce S$^2$-MAS, a multi-agent simulation framework with a resource of 500 million synthetic household personas. It combines trainable candidate-scoring policies, reusable financial scenarios and explicit state transitions. Trained with SFT + RLCD on 2.93 million examples, YN-mini-MLX achieves 74.55% accuracy and 38.37% question-macro F1 on held-out consumer financial-choice tasks, improving on the training-question majority baseline by 2.78 and 6.21 percentage points. A completed application evaluates 12 million distinct households in two purchase-funding conditions: 24 million one-shot choices feed 288 million monthly ledger states in 3 h 59 min on 14 GPUs. Jointly increasing purchase goals and approved limits produces heterogeneous consumption, cash and repayment paths, with much of the consumption variation arising from transitions between deferral and purchase. In a separate 1,060-household retrospective consumption experiment, standalone YN-master-9B has 3.42% lower annual MAE than the deterministic fully rational benchmark, alongside a 19.7% lower predicted population mean than observed. Information-timing tests show how year labels and later outcome information change decisions. Together, these experiments establish an executable alternative for studying heterogeneous household behavior with learned policies and explicit financial accounting.
• 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、家庭の状況に対応する決定ルールと、その結果を追跡する会計規則が必要である。 S$^2$-MASは,5億世帯の合成ペルソナを資源とする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。 トレーニング可能な候補表示ポリシー、再利用可能な金融シナリオ、明示的な状態遷移を組み合わせる。 SFT + RLCDを2.93百万の例でトレーニングし、YN-mini-MLXは74.55%の精度と38.37%のQ-macro F1を達成し、トレーニング要求の過半数ベースラインを2.78と6.21ポイント改善した。 完成したアプリケーションは、2つの購入資金条件で1200万世帯を評価している。 共同で購入目標と承認された制限が増加し、不均一な消費、現金、返済経路が生み出される。 スタンドアローンYN-master-9Bは、別の1,060戸のリフレクション消費実験において、決定論的完全有理ベンチマークよりも3.42%低い年次MAEを持ち、予測人口平均は19.7%低い。 インフォメーション・チューニングテストは、ラベルとその後の結果情報がどのように意思決定を変えるかを示す。 これらの実験は、学習方針と明示的な財務会計を用いて、異質な家庭行動を研究するための実行可能な代替手段を確立する。

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。