利用深度神经网络处理大量非结构化产品数据，估算优化价格函数，产生高度准确的 AI 版本的 Fisher 物价指数。

Apr, 2023

通过模拟多智能体社会进行微观经济学自动形成的基本现象，本文提供了一个以微观经济学为灵感的环境，其中智能体在一个复杂的空间世界中学习生产资源，与其他智能体交易和消费资源，并演示了产生的经济行为如何响应各种环境条件。

May, 2022

人工智能生成的信息的公开可能会彻底改变市场，并对经济动态产生出乎经济学家预料的影响，使得模型和思维方式过时。尽管房地产的超通胀并不是一种新现象，但在 12 年来的持续和几乎单调的存在中，与 Zillow 这一成功的大批量房地产估价器（MREE）提供的公共估价信息的突出地位相吻合，这一现象无法被忽视。我们模拟的是 MREE 和房主之间的重复性理论博弈，其中每个玩家都拥有秘密信息和专业知识。如果意图是确保住房的负担能力并保持旧的美国生活方式，需要面对新的挑战。模拟结果显示，将 MREE 风格的价格估计可用性局限于选择性合作的房地产可能会在一定程度上减少反馈循环，从而影响其潜在原因，正如实验模拟模型所建议的那样。根据逻辑解释，验证了 MREE 对房地产通胀率的压力与绝对 MREE 估计误差相关的猜测，在模拟中得到了验证。

Mar, 2024

本文提出了一种新型生产力评估模型，用于评估在生产链中采用人工智能 (AI) 组件的影响。我们的模型提供了支持解决 “AI” 的 Solow 悖论的证据，其基础包括（i）理论和实证证据以解释 Solow 的二分法；（ii）数据驱动模型以评估和评估生产率变化；（iii）基于过程挖掘数据集的方法论，以确定业务流程（BP）和生产率；（iv）一组计算机模拟参数；（v）以及关于劳动力分配的实证分析。这些为我们认为 AI Solow 悖论的后果是指标误测提供了数据。

Oct, 2022

本文提出一种新的预测市场模型，使用风险度量来建模市场中的代理人，并引入市场制造商来描述交易过程，分析表明，整个市场有效地达到了全局目标，同时建立了机器学习与市场之间的密切联系。

Mar, 2014

该论文介绍了 AI 技术在资源分配方面的应用，讨论了如何在政治哲学的指导下设计这些系统的目标，以实现公平、效率、激励兼容性和利益相关者偏好的满意聚合，并探讨了数据万物互连时代下，算法可预测未来为我们带来的机遇和风险。

Nov, 2021

本文介绍了一种针对多智能体 / 机器人系统的实用模型，旨在引导智能体选择合理的策略，达到其当前需求和学习合作，建立稳定可靠的关系，保证每个组成员的可持续发展，并且提出了几个有前途的研究方向。

Jun, 2023

本文提出了一种通用的、模块化的理论来证明竞拍中的平衡近似保证，该理论补充了传统经济技术，着重于精确和最优解决方案，并因此局限于相对简化的设置。我们提出了三个用户友好的分析工具：平滑型不等式、扩展定理和组合定理，将这些工具结合起来，为许多广泛使用的拍卖格式的均衡提供了严格的最坏情况近似保证。

Jul, 2016

利用基于强化学习的方法，本研究提出了一种动态税收政策，针对经济增长中的平等性和生产力做出有效的权衡，并取得了 16% 的优化效果。

Apr, 2020

通过机器学习和机制设计理论，本研究旨在借助人工智能和物联网技术，引入 Machina Economicus 这一新兴范式，探究模拟、分析和优化基于人工智能和物联网的能源互联网（EI）的用户行为，在 AI 与共享经济相结合时，AI 将如何重塑能源互联网用户行为，并揭示自适应学习和决策能力所带来的潜在竞争与合作，为未来智能城市中 AI 的发展提供潜在解决方案。

Feb, 2024