METHOD

大语言模型智能体

站内已收录 40 篇使用该方法的论文。

显示方式
大语言模型智能体40 条记录

题目 · 作者 · 年份 · 发表来源 · 原始摘要 · AI导读

PAPER RECORDABSTRACT VERIFIED
AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。在重复Bertrand竞争中发现,GPT驱动的企业智能体即使没有明确合谋指令,无沟通时价格已高于竞争均衡,允许通信时更接近卡特尔定价水平。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

12 Best Practices for Leveraging Generative AI in Experimental Research

Samuel Chang · Andrew Kennedy · Aaron Leonard · John List

National Bureau of Economic Research

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:结合因果识别的四项排除限制,将相关原则细化为涵盖模型记录、合成样本独立性和结果复现等环节的操作指南。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

A Multi-LLM-Agent-Based Framework for Economic and Public Policy Analysis

Yuzhi Hao · Danyang Xie

China Journal of Econometrics

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。不过其可靠性需分层看待:条件化输出的差异性已被普遍验证,但这些差异与真实人群的一致性仅在有限场景中得到确认,对训练数据未覆盖群体的样本外泛化则尚缺乏系统检验;进一步以多个不同LLM分别表示不同群体,相关细节见原文。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDINDEXED ABSTRACT COPY

A Taxonomy of AI Experiments

Aleksandr Alekseev · Christina Strobel

Journal of Behavioral and Experimental Economics

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。根据三个问题对AI实验进行分类:实验是否实际部署AI,AI是否为该研究专门开发,以及实验是否在AI的真实使用环境中开展。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Agent-Based Simulation of a Financial Market with Large Language Models

Ryuji Hashimoto · Takehiro Takayanagi · Masahiro Suzuki · Kiyoshi Izumi

arXiv

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。采用混合式设计,让LLM负责生成交易意图,而价格和数量由规则模块处理,能再现纯规则智能体难以捕捉的路径依赖现象。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Agentsociety: Large-scale simulation of llm-driven generative agents advances understanding of human behaviors and society

Jinghua Piao · Yuwei Yan · Jun Zhang · Nian Li · Junbo Yan · Xiaochong Lan · Zhihong Lu · Zhiheng Zheng · Jing Yi Wang · Di Zhou

arXiv

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:在大语言模型方向,EconAgent利用LLM驱动异质智能体模拟宏观经济行为,AgentSociety支持万级以上LLM驱动的智能体的社会经济仿真。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

AITurk: Using ChatGPT for social science research

Xin Qin · Mingpeng Huang · Jie Ding

Center for Open Science

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。论文以大语言模型智能体为主要切入点,连接具体研究任务、模型设定与可检验结果。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Algorithmic Collusion by Large Language Models

Sara Fish · Yannai A. Gonczarowski · Ran I. Shorrer

Proceedings of the 27th ACM Conference on Economics and Computation

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。揭示了合谋的维持机制:合谋价格对提示词敏感,维持机制并非显式协议,而是模型对价格战风险的推理。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Can Large Language Models Serve as Rational Players in Game Theory? A Systematic Analysis

Caoyun Fan · Jindou Chen · Yaohui Jin · Hao He

Proceedings of the AAAI Conference on Artificial Intelligence

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。则从动态博弈出发,将理性分解为偏好遵循、信念识别和多步行动三个维度。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED
AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。将LLM放入含订单簿和限价单的市场,通过交易角色设定区分激进交易者和保守投资者,发现角色设定会系统性改变报价和持仓策略,并通过订单流聚合影响市场价格水平。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Cfgpt: Chinese financial assistant with large language model

Jiangtong Li · Yuxuan Bian · Guoxuan Wang · Yang Lei · Dawei Cheng · Zhijun Ding · Changjun Jiang

arXiv preprint arXiv:2309.10654

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:面向中文金融场景的DISC-FinLLM和CFGPT等模型也相继出现。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

CompeteAI: Understanding the Competition Dynamics of Large Language Model-Based Agents

Qinlin Zhao · Jindong Wang · Yixuan Zhang · Yiqiao Jin · Kaijie Zhu · Hao Chen · Xing Xie

Proceedings of the 41st International Conference on Machine Learning

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。发现LLM驱动的企业智能体能识别竞争压力,并表现出模仿、差异化等策略响应。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Consumption and Savings with Large Language Model Agents

Michael R. Douglas · Sergiy Verstyuk

Elsevier BV

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。将LLM智能体置入经典消费储蓄模型,发现其能表现出消费平滑与预防性储蓄等经济直觉,但在数值稳定性与预算约束遵守上仍不及解析求解方法。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Disc-finllm: A chinese financial large language model based on multiple experts fine-tuning

Wei Chen · Qiushi Wang · Zefei Long · Xianyin Zhang · Zhongtian Lu · Bingxuan Li · Siyuan Wang · Jiarong Xu · Xiang Bai · Xuanjing Huang

arXiv preprint arXiv:2310.15205

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:面向中文金融场景的DISC-FinLLM和CFGPT等模型也相继出现。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Do LLM Agents Exhibit Social Behavior?

Yan Leng · Yuan Yuan

arXiv

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。使用SUVA框架分析8个LLM在五种社会偏好博弈中的决策及其思维链(Chain-of-Thought,CoT)文本。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDNO SOURCE ABSTRACT

EconGrowthAgent: Economic Growth Simulation Based on LLM Agents and Growth Theory

Terufumi Morishita · Atsuki Yamaguchi · Masaya Tsunokake · Gaku Morio · Yasuhiro Sogawa

人工知能学会全国大会論文集 第39回 (2025)

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。将大语言模型智能体嵌入增长理论框架,观察个体决策如何通过积累机制影响长期产出和消费路径。本综述将其作为AI经济主体与决策求解文献收录;因来源未提供完整摘要,导读仅依据正文引用语境和书目信息。

PAPER RECORDABSTRACT VERIFIED

Evaluating LLM Agent Collusion in Double Auctions

Kushal Agrawal · Verona Teo · Juan J. Vazquez · Sudarsh Kunnavakkam · Vishak Srikanth · Andy Liu

arXiv

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。在连续双边拍卖中综合考察模型能力、通信结构和制度设计等多重因素的影响,发现合谋风险是上述因素共同作用的结果。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Exploring the Sensitivity of LLMs' Decision-Making Capabilities: Insights from Prompt Variations and Hyperparameters

Manikanta Loya · Divya Sinha · Richard Futrell

Findings of the Association for Computational Linguistics: EMNLP 2023

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:发现,仅改变一句提示词就可能改变甚至逆转实验结论;进一步分析了角色设定、对话模式和回答格式等设计选择的影响。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Generation Next: Experimentation with AI

Gary Charness · Brian Jabarian · John A. List

National Bureau of Economic Research

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。较早系统讨论了LLM在实验设计、实施与分析中的作用。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

Generative Agents: Interactive Simulacra of Human Behavior

Joon Sung Park · Joseph C. O'Brien · Carrie J. Cai · Meredith Ringel Morris · Percy Liang · Michael S. Bernstein

Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。相关研究脉络指出:随着智能体技术的发展,部分架构进一步引入反思(reflection)、规划(planning)、工具调用(tool)与技能(skill)等模块,持续增强LLM智能体的经济决策能力。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

HumanStudy-Bench: Towards AI Agent Design for Participant Simulation

Xuan Liu · Haoyang Shang · Zizhang Liu · Xinyan Liu · Yunze Xiao · Yiwen Tu · Haojian Jin

arXiv

AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。发现LLM的经济行为更多取决于主体架构设计而非模型能力本身,表明LLM智能体建模自身的标准化与规范化同样亟待推进。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED
AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。综合已有方法建议,可信且可复现的LLM实验至少应报告以下信息:模型名称与版本、完整提示文本和采样参数(如温度与top-p);通过多次独立运行评估输出变异性,相关细节见原文。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED
AI READING NOTE

该文聚焦LLM合成被试与实验研究,重点考察模型生成的选择能否复现人类行为,以及提示、画像和实验流程如何影响有效性。采用另一种个体化方法,通过世界观、社会身份和心理情境三个层次为LLM设定人格。本综述将其作为AI研究工具文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。

PAPER RECORDABSTRACT VERIFIED

LLM Agents Do Not Replicate Human Market Traders: Evidence from Experimental Finance

Thomas Henning · Siddhartha M. Ojha · Ross Spoon · Jiatong Han · Colin F. Camerer

arXiv

AI READING NOTE

该文聚焦大语言模型经济智能体,重点考察语言模型主体如何在市场、政策或多期经济环境中形成策略并产生聚合结果。然而,将LLM与实验资产市场中的人类交易者直接比较,发现LLM总体更接近基本面定价,未能稳定复现人类市场中常见的泡沫和崩盘。本综述将其作为AI经济主体与决策求解文献收录;主要结论和适用边界应以英文摘要及原始研究设计为准。