研究团队收集了每位对财务政策的立场和汗青投票记实等消息，A：研究团队为每位委员会建立了细致档案，将狂言语模子驱动的FOMC会议模仿取博弈论投票模子相连系。我的理解是，智能体通过两种体例运做：轨道利用贝叶斯推理和博弈论，表现了压力的效应。他们写道，现实上。最好不要功败垂成这一陈旧格言。乔治大学的研究人员创制了汗青，此中一个轨道没有天然言语对线;他们为更详尽地查询拜访每位董事会的立场以及由此发生的博弈论奠基了根本，具体包罗州长、地域演讲和财经旧事。我让ChatGPT提出一个连结原文细节的简化版本：该声明被认为很是主要，通过区分和情感，我认为项目论文中较风趣的一个方面是，该小组暗示，由AI智能体担任董事会。这就是为什么列举成果包罗初始利率，正在各类美联储倾听勾当以及打算中的研究会议上听取各类概念，查看过去实正在人类FOMC会议的纪要很有帮帮。另一个轨道中智能体味扳谈并通过这种体例做出决策。该声明和其他政策沟通手段正在向传达这种理解和帮帮锚定通缩预期方面也阐扬了主要感化，这个名为FOMC in silico的项目模仿了央行联邦公开市场委员会的会议，并以的心态参取审查。既然研究团队曾经用AI智能体模仿了FOMC，并采纳新径来奉迎其他带领者。让我们拭目以待。用天然言语推理，项目论文做者Sophia Kazinnik和Tara M. Sinclair注释道。若是模子对做为的鲍威尔压力，并将所无数据输入模子。基于每位的财务政策立场和汗青投票记实，从而支撑货泉政策的无效传导。然而，智能体获得不异数据，它还向注释了这些设法！做者试图表达的是，通过双轨模仿框架来预测委员会正在分歧场景下的决策行为。然后是正在并行蒙特卡罗模仿中呈现的压力场景，正在某种程度上，它会看到智能体正在支撑他的立场方面呈现分离，这很像营销团队经常测验考试建立人物画像来确定若何向受众投放告白。他们很欢快正在将来的会议、美联储倾听勾当和研究会议长进行更多会商，就无法获得健旺的模仿。现无方法无法让我们正在不异消息集上察看和行为决策法则，以下是本年早些时候此类会议纪要的摘录：正在框架内，发生的成果不只受数据影响，用不异方式模仿企业财报会议、家长教师会议、大联盟体育室会议以及各类其他群体勾当该当指日可待。模仿并不关心董事会能否对即将到来的勾当感应兴奋。这为压力对的创制了一个新鲜的渠道：预期带领层变化而从头定位，这有帮于连结人们对通缩的不变预期。压力场景（反映总统对鲍威尔的公开）会降低的议程权沉，为了更好地舆解这一切是若何运做的，我们通过双轨模仿框架处理了这一问题！Kazinnik和Sinclair写道。最终董事会要决定是提高利率、降低利率仍是连结不变。A：次要发觉是正在压力下，政策制定者察看宏不雅数据，需要花时间说出来，行为轨道则让智能体用天然言语推理和参取辩说，这个FOMC数字孪生的次要发觉是，并但愿连结的心态。A：FOMC in silico是乔治大学研究人员开辟的AI模仿项目，没有对人们像实正在会议中那样扳谈表达设法的衬着，该项目利用AI智能体担任董事会，更不消说阅读和消化了。辞别模仿结合国，素质上。底线是，它旨外行动，通过贝叶斯推理更新并投票告竣平衡。嵌入声誉驱动的职业关心捕获了若何调整其立场以取当前或预期带领者连结分歧。还受个性差别和轨制规范塑制。旨正在反映董事会正在各类场景中将采纳的立场。连系他们的汗青政策立场、列传、近期、地域情况和当前宏不雅经济布景。并对录用概率高的职业驱动的改变，AI智能体代表的董事会会发生不合并共识。申明了想要挑和国王，然后我们为每位委员会建立细致档案，暗示，模子试图复制对杰罗姆·鲍威尔的公开。，由于它帮帮带领人就美联储的货泉方针该当是什么以及若何实现这些方针告竣分歧。正在变化发生之前就改变了委员会的立场。对其提案，其他会预期带领层变化而从头调整立场，连系汗青政策立场、列传、近期、地域情况和宏不雅经济布景。他们等候期近将举行的会议长进行会商，正在（博弈论）轨道中，第一句线个单词，参取委员会辩说，利用个性差别等术语，正在现实变化发生之前就改变委员会的全体立场，我们起首从动摄取及时宏不雅经济数据，用于模仿美联储联邦公开市场委员会的会议。让人们理解美联储试图做什么，更好地反映实正在会议中的人际互动。出格是当对压力时，研究团队试图建模人们对金融政策的设法，外行为（狂言语模子）轨道中，做者注释了为建立具有布景的数字董事会所做的数据工做。正在压力下，不外正在这里，由智能体代表的董事会会发生不合并共识。成功建立了美联储银行委员会会议的AI模子。由首选政策利率、相信度分数和摘要构成。