提出校准平均场强化学习框架修正经济模拟偏差

Ruxin Chen 与 Zeqiang Zhang 在 arXiv 发表论文，提出校准平均场强化学习（Calibrated Mean-Field Reinforcement Learning）框架，用于纠正强化学习智能体在经济学模拟中的结构性偏差和参数偏差。 研究指出，标准强化学习智能体在模拟中会内化自身对市场的影响，在采用凹生产函数的搜索匹配模型中收敛到买方垄断配置而非竞争均衡；其时间贴现方式还会扭曲跨期权衡。 该框架让智能体针对外生总量状态进行优化，以恢复价格接受行为，并重新校准奖励结构，以反映真实经济机会成本；经过迭代更新后，框架收敛到恢复竞争均衡的固定点。

AI 根据报道生成 · 4 小时前更新