LLM 경제학자: 다중 에이전트 생성 시뮬라크라에서의 대규모 인구 모델과 메커니즘 설계

초록

우리는 계층적 의사결정이 이루어지는 전략적 환경에서 경제 정책을 설계하고 평가하기 위해 에이전트 기반 모델링을 활용한 새로운 프레임워크인 LLM Economist를 제안한다. 하위 수준에서는 미국 인구조사에 기반한 소득 및 인구통계학적 통계에서 샘플링된 개인 맞춤형 프롬프트로 구현된 제한적 합리성을 가진 근로자 에이전트들이 맥락 내에서 학습된 텍스트 기반 효용 함수를 극대화하기 위해 노동 공급을 선택한다. 상위 수준에서는 플래너 에이전트가 맥락 내 강화 학습을 활용하여 현재 미국 연방 세율 구간에 기반한 조각별 선형 한계세율 체계를 제안한다. 이러한 구조는 경제 시뮬레이션에 신뢰할 수 있는 재정 실험을 위해 필수적인 세 가지 능력을 부여한다: (i) 이질적 효용의 최적화, (ii) 인구통계학적으로 현실적인 대규모 에이전트 집단의 원칙적 생성, (iii) 자연어로 완전히 표현된 메커니즘 설계 — 궁극적인 넛지 문제. 최대 100개의 상호작용 에이전트 집단을 대상으로 한 실험에서 플래너는 Saez 솔루션에 비해 총체적 사회 복지를 개선하는 Stackelberg 균형 근처로 수렴하며, 주기적인 개인 수준 투표 절차는 분산된 거버넌스 하에서 이러한 이익을 더욱 증진시킨다. 이러한 결과는 대규모 언어 모델 기반 에이전트들이 복잡한 경제 시스템을 공동으로 모델링, 시뮬레이션, 통치할 수 있음을 보여주며, 더 나은 문명을 구축하기 위해 사회적 규모에서 정책 평가를 위한 실용적인 테스트베드를 제공한다.

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.

LLM 경제학자: 다중 에이전트 생성 시뮬라크라에서의 대규모 인구 모델과 메커니즘 설계

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

초록

Support