Large Language Model-Empowered Agents for Simulating Macroeconomic Activities

要約

ウェブの出現は、特にデジタル経済時代に伝統的な経済学にパラダイムシフトをもたらし、個人の経済行動の正確な記録と分析を可能にしました。
これにより、マクロ経済学におけるデータ駆動型モデリングがますます重視されるようになりました。
マクロ経済研究では、エージェント ベース モデリング (ABM) が代替手段として登場し、ルール ベースのエージェント、機械学習で強化された意思決定、そして最近では高度な AI エージェントを通じて進化しました。
しかし、既存の作品は、エージェントに人間のような意思決定を与える際に、エージェントの異質性、マクロ経済動向の影響、多面的な経済要因を含む 3 つの主要な課題に悩まされています。
大規模言語モデル (LLM) は、自律的な人間のような特性を提供する点で最近注目を集めています。
したがって、マクロ経済シミュレーションで LLM を活用すると、従来の制限を克服する機会が得られます。
この研究では、マクロ経済シミュレーションで LLM を活用する新しいアプローチを導入する初期のステップを踏みます。
私たちは、上記の課題に対処するための認識、熟考、意思決定の能力を備え、経済環境において人間のような意思決定と適応性を発揮するプロンプトエンジニアリング主導の LLM エージェントを設計します。
マクロ経済活動に関するシミュレーション実験では、LLM 権限を与えられたエージェントが現実的な仕事と消費の意思決定を行い、既存のルールベースのエージェントや AI エージェントよりも合理的なマクロ経済現象を生み出すことができることを示しています。
私たちの研究は、LLM とその人間に似た特性に基づいてマクロ経済をシミュレートする有望な可能性を実証しています。

要約(オリジナル)

The advent of the Web has brought about a paradigm shift in traditional economics, particularly in the digital economy era, enabling the precise recording and analysis of individual economic behavior. This has led to a growing emphasis on data-driven modeling in macroeconomics. In macroeconomic research, Agent-based modeling (ABM) emerged as an alternative, evolving through rule-based agents, machine learning-enhanced decision-making, and, more recently, advanced AI agents. However, the existing works are suffering from three main challenges when endowing agents with human-like decision-making, including agent heterogeneity, the influence of macroeconomic trends, and multifaceted economic factors. Large language models (LLMs) have recently gained prominence in offering autonomous human-like characteristics. Therefore, leveraging LLMs in macroeconomic simulation presents an opportunity to overcome traditional limitations. In this work, we take an early step in introducing a novel approach that leverages LLMs in macroeconomic simulation. We design prompt-engineering-driven LLM agents to exhibit human-like decision-making and adaptability in the economic environment, with the abilities of perception, reflection, and decision-making to address the abovementioned challenges. Simulation experiments on macroeconomic activities show that LLM-empowered agents can make realistic work and consumption decisions and emerge more reasonable macroeconomic phenomena than existing rule-based or AI agents. Our work demonstrates the promising potential to simulate macroeconomics based on LLM and its human-like characteristics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google