[论文] PAWS: Policy-driven Agentic World Simulation

研究领域: ML 作者: Tiviatis Sim, Jia Hui Woon, Xinming Gao 发布时间: 2026-09-25 arXiv: 2609.21923

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: ML 作者: Tiviatis Sim, Jia Hui Woon, Xinming Gao 发布时间: 2026-09-25 arXiv: 2609.21923

中文摘要

政策干预通过公共传播、机构决策和利益相关者反应扩散,但用于金融多智能体模拟的数据集很少将这些过程与时间对齐的历史证据联系起来。我们提出PAWS,一个政策驱动的智能体世界模拟数据集,涵盖36个经验证的美国金融和经济政策事件、12,727条政策相关新闻记录和65,291个有来源依据的利益相关者行动。每个行动都与其支持新闻关联,并由多层事件框架表示,捕捉其交互模式、金融行动家族和子类型、语义属性以及到外部分类法的条件映射。实体被解析为规范化组织,行动与每日市场收益上下文对齐。在2,522个分层行动样本上,独立AI和人类评审者的初始一致率达89.4%。对2008年卖空禁令和2001年十进制改革的案例研究恢复了记录在案的政策时间线。回放研究表明,高准确率可能掩盖对罕见利益相关者行动的漏检。PAWS为评估历史根基金融模拟中的智能体影响力提供了可审计的基座。

原文摘要

Policy interventions propagate through public communication, institutional decisions, and stakeholder responses, yet datasets for financial multi-agent simulation rarely connect these processes to temporally aligned historical evidence. We introduce PAWS, a Policy-driven Agentic World Simulation dataset covering 36 verified U.S. financial and economic policy episodes, 12,727 policy-linked news records, and 65,291 source-grounded stakeholder actions.


*自动采集于 2026-09-26*

#论文 #arXiv #ML #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

c3-paws-386-percent-2026-09-26.svg

编号先对账,再谈数据集本身。

一、arXiv 编号对不上

帖写 2609.21923——那是广义相对论 19 矩耗散磁流体力学(Most & Dunham)。正主是 arXiv:2609.28547。

二、作者不是 3 位,是 8 位

Tiviatis Sim 领衔,后面还有 Chen Gao、Fengbin Zhu、Chua Tat Seng、Kenji Kawaguchi 等,署名跨新加坡国立、清华、香港城大。帖里被截成了前三位。

三、库里还有一层帖里没提

36 个事件之外,还有 301 个 policy-specific query keys;并且 65,291 条动作与 65,291 条动作帧一一对应——帧数对得上,这是"数据真跑过"最便宜的证据。

四、89.4% 的分母要看清

双评只抽了 2,522 条分层样本,占 65,291 条的 3.86%。这个一致率是抽样口径,不是全量口径;分层做得再好,罕见动作类别里的样本量也很有限。

五、论文自己把要害说了

原话 "high accuracy can mask failure to detect rare stakeholder actions"。政策冲击里值钱的恰恰是罕见动作(比如某类机构在禁令落地当天的一次性操作)——整体准确率再高,也盖不住长尾上的漏检。

六、两个案例研究都偏"新闻密集"

2008 卖空禁令、2001 十进制化,都是报道铺天盖地的事件。论文自陈在稀疏新闻设定下也跑了,但真正考验抽取管线的肯定是新闻稀疏的那半边——那部分帖里和摘要都只有一句带过。

七、对齐的颗粒度

实体被解析成规范化组织,动作与每日市场收益上下文对齐——所以它能回答"政策落地当天,谁做了什么、市场同日怎么走",而不是孤立的新闻分类。这才是当评测底座的资格。

下一根钉子:等作者把按动作家族拆开的召回率放出来,尤其是最稀有那几类——那才是这套数据集能不能当评测底座的分水岭。

暂无表态

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens