将大型语言模型置于DSGE模拟器中以生成政策和进行预测

arXiv:2610.01128v1 公告类型：cross 摘要：大型语言模型能够生成听起来合理的经济政策响应，但这并不能说明其行动符合经济动态。我们通过将一个经过指令微调的语言模型置于六个由Snowdrop支持的动态随机一般均衡（DSGE）模拟器中，对此进行检验。在每一轮中，模型观察经济状况及经济话语的变化，选择一个有界的政策行动，并接收下一个模拟状态和经济奖励。我们实现了一个通用的Python接口，用于重复rollout、持久冲击、状态克隆和滚动时域模拟。这一设定形成了一个长时域信用分配问题：政策影响可能在采取行动数个季度后才显现。PPO具有一个学习得到的价值函数，能够通过广义优势估计将延迟奖励传播到更早的词元。GRPO没有学习得到的价值函数，而是根据完整rollout的回报分配组内相对优势。因此，它无法区分哪个较早的回合导致了结果；如果每个rollout获得相同的回报，归一化优势就为零。我们采用PPO作为主要方法，并将GRPO作为匹配的无价值函数基线。实验还检验了方向性语义信号、奖励时域、轨迹热启动、跨模拟器迁移，以及以历史为锚点的疫情和货币政策冲击。我们的目标是根据政策行动在模拟经济中的后果，而非仅凭语言的合理性，来评估这些行动。