arXiv cs.MA· Maxime Saxena, Fabio Caccioli, R. Maria del Rio-Chanona·· 10 小时前AI 评分38
决策模型作为可扩展的经济替代模型：比 LLM 更能捕捉人类行为差异
Decision Models as Scalable Economic Surrogates that Capture Human Variation
AI 导读
一项 arXiv 研究首次评估决策模型（DM）作为经济学人类替代模型的表现，在消费调查、经典经济博弈和劳动力市场田野实验三种场景中对比了 10 个 DM 与 8 个 LLM。
正文 · AI 翻译
摘要：决策模型（Decision Models，DMs）是一类新型 AI 模型，能够快速响应，并在固定选项集上返回概率分布。这些特性使其成为经济模拟与调查中人类替代者的候选方案，而这一角色正日益由大语言模型（LLMs）承担，后者在大规模应用时成本高昂，且低估了人类行为的多样性。我们首次评估了 DMs 作为经济学中人类替代者的表现，在三种经济场景下比较了 10 个 DMs 与 8 个 LLMs：一项关于消费的家庭支出调查、若干经典经济博弈以及一项劳动力市场实地实验。前沿 DMs，即在通用决策基准上得分最高的模型，在全部三种场景中都比 LLMs 更贴近地复现了人类响应的多样性。在支出调查中，它们捕捉人类众数响应的能力与 LLMs 相当，但在经济博弈中则较弱。前沿 DMs 的速度也约为最快 LLM 的十倍，成本可低至百分之一以下。综合来看，这些结果表明 DMs 比 LLMs 更好地捕捉了人类行为的异质性，并使大规模经济模拟更加可行。
| 学科： | 一般经济学（econ.GN）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2611.05553 [econ.GN] |
| （或本版本的 arXiv:2611.05553v1 [econ.GN]） | |
| https://doi.org/10.48550/arXiv.2611.05553 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Maxime Saxena [查看电子邮件]
[v1]
2026年11月3日星期二 19:47:00 UTC（281 KB）
来源：arXiv cs.MA · arxiv.org