LLMエコノミスト：大規模人口モデルとマルチエージェント生成シミュラクラにおけるメカニズムデザイン

LLM Economist: Large Population Models and Mechanism Design in Multi-Agent Generative Simulacra

July 21, 2025

著者: Seth Karten, Wenzhe Li, Zihan Ding, Samuel Kleiner, Yu Bai, Chi Jin

cs.AI

要旨

我々は、LLM Economistという新しいフレームワークを提案する。これは、階層的意思決定を伴う戦略的環境において、エージェントベースモデリングを用いて経済政策を設計・評価するものである。下位レベルでは、限定的合理性を持つ労働者エージェント――米国国勢調査に基づく所得と人口統計からサンプリングされた人物条件付きプロンプトとして具現化される――が、文脈内で学習されたテキストベースの効用関数を最大化するために労働供給を選択する。上位レベルでは、プランナーエージェントが文脈内強化学習を用いて、現在の米国連邦税制の区分に基づいた区分線形の限界税率スケジュールを提案する。この構成により、経済シミュレーションは、信頼性のある財政実験に必要な3つの能力を備えることになる：(i)異質な効用関数の最適化、(ii)大規模で人口統計学的に現実的なエージェント集団の原則的生成、(iii)完全に自然言語で表現されたメカニズムデザイン――究極のナッジング問題。最大100の相互作用するエージェント集団を用いた実験では、プランナーがSaez解と比較して集団的社会厚生を改善するシュタッケルベルク均衡に近づくことが示され、定期的な人物レベルでの投票手続きが分散型ガバナンス下でこれらの利益をさらに促進することが明らかになった。これらの結果は、大規模言語モデルベースのエージェントが複雑な経済システムを共同でモデル化、シミュレーション、統治できることを示しており、社会規模での政策評価のための扱いやすいテストベッドを提供し、より良い文明の構築に貢献するものである。

English

We present the LLM Economist, a novel framework that uses agent-based modeling to design and assess economic policies in strategic environments with hierarchical decision-making. At the lower level, bounded rational worker agents -- instantiated as persona-conditioned prompts sampled from U.S. Census-calibrated income and demographic statistics -- choose labor supply to maximize text-based utility functions learned in-context. At the upper level, a planner agent employs in-context reinforcement learning to propose piecewise-linear marginal tax schedules anchored to the current U.S. federal brackets. This construction endows economic simulacra with three capabilities requisite for credible fiscal experimentation: (i) optimization of heterogeneous utilities, (ii) principled generation of large, demographically realistic agent populations, and (iii) mechanism design -- the ultimate nudging problem -- expressed entirely in natural language. Experiments with populations of up to one hundred interacting agents show that the planner converges near Stackelberg equilibria that improve aggregate social welfare relative to Saez solutions, while a periodic, persona-level voting procedure furthers these gains under decentralized governance. These results demonstrate that large language model-based agents can jointly model, simulate, and govern complex economic systems, providing a tractable test bed for policy evaluation at the societal scale to help build better civilizations.