LLM经济学家：多智能体生成模拟中的大规模人口模型与机制设计

我们提出了LLM经济学家（LLM Economist），这是一个新颖的框架，它使用基于智能体建模在具有分层决策的战略环境中设计和评估经济政策。在较低层级，有限理性工人智能体——具体表现为从美国人口普查校准的收入和人口统计数据中抽样得到的人格化提示——选择劳动力供给以最大化在上下文中学习到的基于文本的效用函数。在较高层级，规划者智能体利用上下文内强化学习来提出与当前美国联邦税率区间挂钩的分段线性边际税率表。这种构建方式赋予了经济仿真模型三个进行可靠财政实验所必需的能力：(i) 异质效用的优化，(ii) 大规模、人口统计学上真实的智能体群体的原则性生成，以及 (iii) 机制设计——最终的“助推”问题——完全以自然语言表达。对多达一百个交互智能体群体的实验表明，规划者收敛到接近斯塔克尔伯格均衡（Stackelberg equilibria）的状态，该均衡相对于Saez解决方案改进了总体社会福利，而周期性、人格层面的投票程序在去中心化治理下进一步推动了这些收益。这些结果表明，基于大型语言模型的智能体可以共同建模、模拟和治理复杂的经济系统，为社会层面的政策评估提供一个可行的试验平台，从而有助于构建更好的文明。