清华EconAgent获ACL 2024出色论文：大模型智能体改造核算经济学研讨范式

新智元报导

修改：LRST 好困

【新智元导读】近来，清华大学电子系城市科学与核算研讨中心的研评论文《EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities》获得自然言语处理顶会 ACL 2024出色论文奖（Outstanding Paper Award）。该会议于2024年8月11日至16日在泰国曼谷举行，获得此项荣誉的论文约占投稿论文总数的0.79%。

微观经济学在上个世纪阅历了屡次危机与开展。

从18世纪亚当·斯密古典微观经济学中「看不见的手」到上世纪20～30年代美国大惨淡时期的凯恩斯改造，从二战后萨缪尔森的新古典归纳到70～80年代美国滞涨时期的钱银主义，重新古典微观经济学的理性预期到行为经济学，尤其是2008年全球金融危机后，对微观经济现象的研讨越来越注重对人的杂乱行为的精确建模。

20世纪末到21世纪初，依据署理的建模（Agent-based Modeling, ABM）在核算经济学中遭到必定程度的重视。

ABM强调了干流办法动态随机一般均衡（DSGE）模型中「完美国际」假定的缺点，旨在经过模仿微观个别的行为及其交互自下而上地呈现出微观层面的典型化实际（Stylized facts），例如GDP添加与动摇、通胀与失业率的权衡。

但是，因为个别行为规矩需求专家设定，并带来模型校验、可解释性有限的问题，ABM模仿在微观经济学范畴的开展必定程度上受限。

现在，大言语模型（LLM）的呈现催生了各个范畴的智能体研讨并获得了多方面的成功，验证了LLM强壮的推理与决议计划才能，这为模仿更实在的经济个别供给了有效途径。

论文链接：https://arxiv.org/abs/2310.10436v4

清华大学团队的这项作业运用LLM结构EconAgent，在一个微观经济体系中模仿了个别的作业与消费行为，并相较于传统ABM模仿呈现出了更安稳、实在的典型实际（Stylized fact, 即经典的微观经济现象）。

EconAgent与经济模仿体系

论文榜首作者为清华大学博士生李念，合作者包含清华大学李勇教授、高宸助理研讨员、廖庆敏教授。

经济模仿体系的构建

为尽或许确保经济模仿的实在性，经济体系包含了必要的经济活动，包含个别、公司、政府、银行等经济方针，以及作业、消费、定价等经济活动：

个别经过作业获得月收入；

政府依照税收政策对一切个别纳税，并将税收均匀返还；

个别决定将税收收入和储蓄的一部分用于消费日子必需品；

个别的作业带来必需品的出产供给，个别的消费带来必需品的消费需求，结合当时的库存，供需不平衡会带来消费市场与劳动市场的动态改变，即商品价格与个别薪酬的改变；

每年个别在银行的储蓄得到一些利息；银行经过常用的Taylor Rule进行每年的利率调整。

EconAgent智能体规划

为了使EconAgent能依据本身与外部的经济状况作出合理决议计划，研讨者进行了如下几方面规划。

首要，在prompt中赋予了个别差异化的、依据实际国际的画像，包含年纪、名字、作业等，使得每个个别都具有共同的特征和布景，然后可以模仿实在国际中个别的多样性和杂乱性。

其次，prompt中描绘了实在经济环境中的日子场景，使得EconAgent够感知与了解经济环境中的信息及其改变趋势，然后作出正确合理的呼应。进一步地，研讨者对智能体规划了回忆模块，以模仿广泛的微观经济趋势对个别决议计划的影响；

如此一来，EconAgent不只可以感知当时的经济环境，还可以考虑市场环境的前史改变和长期趋势。

最终，EconAgent归纳考虑多类经济要素做出自主决议计划，不依赖于预界说的规矩。

反思prompt与成果：个别能感知劳动市场与消费市场的改变

试验成果：微观经济现象与规矩的自主呈现

研讨者模仿了一个百人经济体系，每个模仿步代表一个月，共进行了20年的模仿，从微观经济指标与经济规矩两个方面临模仿成果进行验证，并与依据规矩的ABM模仿[1,2]以及RL办法[3]进行比照。

1. 微观经济指标：通胀率、失业率、名义GDP、名义GDP添加率

试验成果表明，依据EconAgent的模仿呈现出数值更合理、动摇更安稳的微观经济指标。例如，通胀率不超越10%、在第3年后根本到达安稳。

微观经济指标

2. 微观经济规矩：Phillips Curve、Okun’s Law

试验成果表明，依据EconAgent的模仿呈现出更合理的经济规矩，而其它办法的成果呈现了过错的Phillips Curve：失业率与薪酬通胀率并不是负相关联系。

微观经济规矩

EconAgent的决议计划行为剖析

为进一步探求EconAgent所做的决议计划是否契合实在国际的经济知识，研讨者对其作业与消费决议计划进行多个经济要素的回归剖析。

成果表明，当税收越少、政府返还越多、预期收入越高时，作业志愿越高；当储蓄越高、上个月消费越少时，消费占储蓄份额越低，意味着EconAgent会保持安稳的消费水平；此外，商品价格也是影响作业与消费志愿的重要要素。以上定论均与实际国际中的人类行为相吻合。

研讨者进一步研讨EconAgent是否自主地表现出决议计划机制中的异质性。

上图（a）展现了消费倾向随年纪添加而逐渐添加，这与在传统微观经济研讨中调查到的经历规矩大体一致[4]。

研讨者经过与EconAgent的交互，进一步解读了Phillips Curve中呈现负相关的或许原因。首要，核算失业率最高和最低的两年中一切Agent的均匀消费倾向。

上图（b）展现了比较成果，其间***表明明显差异（p < 0.001），可以调查出高失业率导致消费倾向明显下降。

为了更深化地了解在高失业率的劳动市场中挑选削减消费的原因，随机挑选一个Agent，并依据在失业率最高的那一年的行为决议计划前史，结合每个季度的经济动态，为所做出的消费决议计划供给理由。以下成果表明，Agent对微观经济趋势有所感知，在面临高失业率下的劳动市场通货紧缩时，会挑选慎重消费。

研讨者进一步探求了重要事情对EconAgent行为的影响以及由此发生的微观经济模仿成果的改变，这也是许多ABM研讨中广泛评论的一个论题[5]。

以对全球经济发生严重影响的COVID-19为例，研讨者经过prompt的方法将其归入模仿中，如下所示：

下图比照了失业率的改变状况，其间「Normal」和「COVID-19」别离表明有无上述提示的模仿成果。

成果表明依据EconAgent的模仿成功地复现了全球失业率的添加，虽然数值与实在数据并不彻底匹配，但这表明所提出的结构可以定性模仿重要事情对微观经济发生的影响。

以下是EconAgent的反思示例。

进一步地，研讨团队将EconAgent与研制的OpenCity智能体渠道[6]相结合，依据EconAgent驱动北京实在街区中的个别作业、消费行为，与企业的出产行为等经济活动的模仿仿真。

总结与展望

总而言之，该论文作业结合LLM智能体与经济模仿，为核算经济学的研讨范式拓荒了一条新的或许路途，未来有望以DSGE等干流模型为方针，向更精准、更实在的模仿跨进。

进一步地，关于大言语模型智能体ABM模仿及其在社会、经济、物理、网络等范畴使用的相关作业，团队还发布了首篇总述论文：《Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives》，该论文已被Humanities and Social Sciences Communications接纳。

参考资料：

[1] Matthias Lengnick. Agent-based macroeconomics: A baseline model. Journal of Economic Behavior & Organization, 86:102–120, 2013.

[2] Gatti, Domenico Delli, et al. Macroeconomics from the Bottom-up. Vol. 1. Springer Science & Business Media, 2011.

[3] Stephan Zheng, Alexander Trott, Sunil Srinivasa, David C Parkes, and Richard Socher. The ai economist: Taxation policy design via two-level deep multiagent reinforcement learning. Science advances, 8(18):eabk2607, 2022.

[4] Carroll, Christopher D. "Buffer-stock saving and the life cycle/permanent income hypothesis." The Quarterly journal of economics 112.1 (1997): 1-55.

[5] Dawid, Herbert, and Domenico Delli Gatti. "Agent-based macroeconomics." Handbook of computational economics 4 (2018): 63-156.

[6] https://opencity.fiblab.net/