PAWS：策略驱动的代理世界模拟

arXiv:2609.28547v1 公告类型：新 摘要：政策干预通过公共沟通、机构决策和利益相关者响应进行传播，但金融多主体模拟的数据集很少将这些过程与时间上一致的历史证据联系起来。我们介绍 PAWS，这是一个政策驱动的代理世界模拟数据集，涵盖 36 个经过验证的美国金融和经济政策事件、12,727 条与政策相关的新闻记录以及 65,291 个基于来源的利益相关者行动。每个动作都与其支持新闻相关联，并由多层事件框架表示，捕获其交互模式、金融动作系列和子类型、语义属性以及到外部分类法的条件映射。实体被解析为标准化组织，行动与每日市场回报背景保持一致，以支持政策代理模拟重放。在 2,522 个分层动作样本中，独立人工智能和人类评审员在交互模式上达成了 89.4% 的初步一致意见，随后对分歧进行了裁决。对 2008 年卖空禁令和 2001 年十进制化的案例研究恢复了密集和稀疏新闻背景下记录的政策时间表和相关市场模式。重播研究进一步表明，高精度可以掩盖检测罕见利益相关者行为的失败，将行动时机和校准确定为核心挑战。 PAWS 提供了一个可审计的基础，用于评估代理影响力、政策响应级联以及基于历史的金融模拟中的行动与结果一致性。