arXiv cs.MA· Daniele Montagnani, Andrea Coletta, Antonietta Mira, Aldo Glielmo·· 12 小时前AI 评分31
JaxMARL-BC：秒级训练宏观经济多智能体强化学习模型
JaxMARL-BC: Multi-Agent Reinforcement Learning for Macroeconomic Modelling, in Seconds
AI 导读
JaxMARL-BC 是 JAX 加速的宏观经济多智能体强化学习模拟器，训练 MARL-BC 经济模型仅需数秒，比参考实现快 75x 至 724x，并可扩展至 200,000 个独立学习家庭。该工作验证了其与经典 DSGE 模型极限的一致性，并通过对异质资本回报扩展模型的概念验证校准展示了实用价值——原本需一个多月的实验缩短至两小时。JaxMARL-BC 已开源发布。
正文 · AI 翻译
摘要：多智能体强化学习（MARL）为构建包含众多异质决策者的模拟经济体提供了一种系统化方法。尽管该方法最早在金融领域得到应用，但在宏观经济学中推广缓慢，主要原因有两个：一是缺乏一个将 MARL 系统与该领域已信任的动态随机一般均衡（DSGE）模型联系起来的共享参照框架，二是训练时间极长。第一个局限最近已由多智能体强化学习经济周期模型（MARL-BC）解决，该模型将深度强化学习家庭置于真实经济周期经济体中，并在特定极限下退化为经典 DSGE 模型。本文解决第二个局限。我们提出 JaxMARL-BC，一个基于 JAX 加速的模拟器，可在数秒内训练 MARL-BC 经济体（比参考实现快 75 倍至 724 倍），并可扩展至 200,000 个独立学习的家庭。我们对照已知的 DSGE 极限验证了其正确性，通过一个简单的成本定律刻画了其扩展性，并通过一个概念验证性校准展示了其价值：对一个具有异质资本回报的扩展模型进行校准，实验耗时两小时，而此前需要超过一个月。我们将 JaxMARL-BC 作为开源软件发布。
| 评论： | 9 页，7 幅图 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI）；机器学习（cs.LG）；一般经济学（econ.GN） |
| ACM 分类： | I.2.11；I.2.6；J.4；I.6.8 |
| 引用为： | arXiv:2610.28907 [cs.MA] |
| （或 arXiv:2610.28907v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28907 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Proceedings of the 7th ACM International Conference on AI in Finance (ICAIF '26), Milan, Italy, 2026 |
提交历史
来自：Aldo Glielmo Dr. [查看电子邮件]
[v1]
2026年10月20日星期二 20:35:44 UTC（3,445 KB）
来源：arXiv cs.MA · arxiv.org