SRAP-Agent：基于大语言模型代理的稀缺资源分配政策模拟与优化
计算与语言
2024-10-21 v1
摘要
公共稀缺资源分配在经济学中发挥着关键作用，直接影响社会效率和公平性。传统方法包括基于理论模型的研究、基于实证研究的方法以及仿真方法，由于对完全信息和个体理性的理想化假设，以及有限可用数据的限制，面临挑战。本文提出一种新型框架SRAP-Agent（Simulating and Optimizing Scarce Resource Allocation Policy with LLM-based Agent），将大语言模型 (LLM) 集成到经济仿真中，以弥合理论模型与现实动态之间的差距。以公共住房分配情境为案例，我们开展大规模政策仿真实验以验证SRAP-Agent的可行性和有效性，并采用特定优化目标的政策优化算法。源代码可在 https://github.com/jijiarui-cather/SRAPAgent_Framework 查阅。
引用
@article{arxiv.2410.14152,
title = {SRAP-Agent: Simulating and Optimizing Scarce Resource Allocation Policy with LLM-based Agent},
author = {Jiarui Ji and Yang Li and Hongtao Liu and Zhicheng Du and Zhewei Wei and Weiran Shen and Qi Qi and Yankai Lin},
journal= {arXiv preprint arXiv:2410.14152},
year = {2024}
}