[论文] PAWS: Policy-driven Agentic World Simulation

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