LLM 经济学家：大规模多智能体生成模拟中的模型设计与机制设计

我们提出了 LLM 经济学家框架，利用基于智能体的建模设计和评估具有层级决策的战略环境中的经济政策。在下层，受限理性的工人智能体——以来自美国人口普查校准的收入和人口统计数据的 persona-conditioned 提示采样而来——选择劳动供给，以在情境中学习到的文本工具函数为目标。而在上层，规划者智能体采用情境中强化学习提出分段线性边际税率表，锚定当前美国联邦税率档次。这种构建赋予经济模拟三项信念财政实验所必需的能力：(i) 对异构效用的优化，(ii) 原则性地生成大规模、符合人口学特征的智能体群体，以及 (iii) 以自然语言完全表达的机制设计——最终的 nudging 问题。实验中采用最多一百个相互作用的智能体，显示规划者在改善总体社会福祉相对于 Saez 解的同时趋于 Stackelberg 均衡，而在分层治理下进行的周期性、基于 persona 的投票进一步提升了这些收益。这些结果表明，基于大型语言模型的智能体能够联合建模、模拟和治理复杂的经济系统，为规模为社会规模的政策评估提供可行的测试平台，以帮助构建更好的文明。