TaxAgent：大型语言模型如何设计财政政策
人工智能
2025-06-04 v1 综合经济学
经济学
摘要
经济不平等是全球性挑战，加剧了教育、医疗和社会稳定性之间的不平等。传统系统如美国联邦个人所得税能够减少不平等，但缺乏适应性。虽然像 Saez 最优税收模型之类的模型能够动态调整，但未能解决纳税人异质性和非理性行为的问题。本研究引入 TaxAgent，将大型语言模型（LLM）与基于代理的建模（ABM）相结合，用于设计自适应税收政策。在宏观经济仿真中，异质 H-Agent（家庭）模拟真实的纳税人行为，而 TaxAgent（政府）利用 LLM 迭代优化税率，在公平性和生产率之间进行权衡。与 Saez 最优税收、美国联邦个人所得税和自由市场进行基准测试，TaxAgent 在公平性与效率之间的权衡方面取得了优越性。该研究提供了一种新的税收解决方案，以及一个可扩展的数据驱动框架，用于财政政策评估。
引用
@article{arxiv.2506.02838,
title = {TaxAgent: How Large Language Model Designs Fiscal Policy},
author = {Jizhou Wang and Xiaodan Fang and Lei Huang and Yongfeng Huang},
journal= {arXiv preprint arXiv:2506.02838},
year = {2025}
}
备注
Accepted as oral presentation at ICME 2025