DSGE 作为结构化世界模型：经济世界中反事实泛化的基准测试

现代世界模型——Dreamer、Transformer 世界模型（IRIS、Genie）以及 JEPA/下一潜在架构——从观测轨迹中学习动态，但有一个共同的弱点：它们的转移映射仅在数据可见的地方受到约束，因此在政策引起的分布偏移下以及在训练路径之外的反事实状态下会退化。我们认为动态随机一般均衡（DSGE）模型是一个结构化世界模型：其状态是一个信念状态——正是潜在世界模型学习的目标，但提供了因果结构和严格的跨方程约束。我们引入了 DSGE-Gym，一个包含八个 DSGE 环境的基准，带有路径外反事实测试集，可扩展到欧洲央行的 230 变量新区域模型。我们发现（i）学习到的世界模型在路径上匹配动态，但在路径外崩溃（5σ 尾部 RMSE 高达路径上水平的约 40 倍），以及（ii）在 DSGE 在稀有和反事实政策状态下生成的数据上训练相同的架构——这种覆盖率只有结构化模型才能综合——大致将尾部误差减半，并在反事实规则改变遍历支持的情况下将政策制度误差减少 10-280 倍。由于这种覆盖率无法从任何单一历史中采样，这衡量了结构制造缺失分布的能力。DSGE-Gym 和所有代码作为反事实泛化的可复现测试平台发布。