36个美国政策事件、6.5万条利益相关者行动，PAWS让金融模拟有据可查！
PAWS: Policy-driven Agentic World Simulation
📖 AI 总结
本文介绍了一个名为PAWS的政策驱动智能体世界模拟数据集，旨在解决金融多智能体模拟中政策干预过程与历史证据难以对齐的问题。该数据集涵盖36个经核实的美国金融与经济政策事件、12727条政策相关新闻记录，以及65291条有来源依据的利益相关者行动，每条行动均关联支撑新闻并以多层事件框架表示，同时与每日市场收益数据对齐。在2522个分层行动样本上，独立AI与人工评审者在交互模式上的初始一致率为89.4%。通过对2008年卖空禁令和2001年十进制化改革的案例研究，该数据集能够还原政策时间线及相关市场模式。回放研究还发现，高准确率可能掩盖对稀有利益相关者行动的漏检，行动时机与校准是核心挑战。PAWS为评估智能体影响力、政策响应级联及行动与结果对齐提供了可审计的基础。
🔑 关键词速览
| PAWS | Policy-driven Agentic World Simulation，一个政策驱动的智能体世界模拟数据集，用于金融多智能体模拟。 |
| Policy intervention | 政策干预，指政府或监管机构对金融和经济活动采取的调控措施。 |
| Multi-agent simulation | 多智能体模拟，一种通过多个自主智能体交互来模拟复杂系统的方法。 |
| Event frame | 事件框架，一种结构化表示，用于捕捉行动的多层语义和分类信息。 |
| Action-outcome alignment | 行动-结果对齐，指将利益相关者的行动与后续市场结果进行匹配和评估。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅