כתבה
arXiv cs.AI ·
הנחת מודלי שפה גדולים בסימולטורים DSGE
Grounding Large Language Models in DSGE Simulators for Policy Generation and Forecasting
חוקרים בודקים את יכולתם של מודלי שפה גדולים לייצר תגובות מדיניות כלכלית. הם משתמשים בסימולטורים DSGE כדי לבדוק את השפעות המדיניות. הניסויים כוללים שימוש ב-PPO ו-GRPO כדי לשפר את תהליך קביעת האשמה.
תקציר מקורי באנגליתarXiv:2610.01128v1 Announce Type: new Abstract: Large language models can produce economic policy responses that sound reasonable, but this does not show that their actions are consistent with economic dynamics. We test this by placing an instruction-tuned language model inside six Snowdrop-backed dynamic stochastic general equilibrium (DSGE) simulators. At each turn, the model observes the economy and a change in economic discourse, selects a bounded policy action, and receives the next simulated state and an economic reward. We implement a common Python interface for repeated rollouts, persistent shocks, state cloning, and rolling-horizon simulation. This setting creates a long-horizon credit-assignment problem. Policy effects may appear several quarters after an action is taken. PPO has
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית