כתבה
arXiv cs.LG ·
הקמת דגמי DSGE לצורך ייצור ותחזית תגובות פוליטיות
Grounding Large Language Models in DSGE Simulators for Policy Generation and Forecasting
במאמר זה, נבדקה יכולתם של דגמי LLM לייצר תגובות פוליטיות שנראות סבירות, אך זאת לא מוכיחה שהם תואמים את התפתחות הכלכלה. נבדקה יכולתם של דגמי LLM לייצר תגובות פוליטיות שנראות סבירות, אך זאת לא מוכיחה שהם תואמים את התפתחות הכלכלה.
תקציר מקורי באנגליתarXiv:2610.01128v1 Announce Type: cross 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 h
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית