PAWS：追踪美国金融政策的连锁反应

arXiv cs.AI 于 2026 年 9 月 23 日提交的论文'PAWS'，利用模拟数据重现美国金融政策案例。经人类与 AI 验证，初期一致率高达 89.4%。

背景：什么是模拟？

计算机被用作实验工具，通过模型展示系统随时间变化的行为。维基百科指出，模拟是对现实世界过程或系统的模仿性表达，而模型仅代表核心特性。

该数据集涵盖了 2001 年小数点改革和 2008 年禁止短期出售等案例。计算显示，将总计 65,291 条行为数据按 36 个政策案例分配，平均每个案例约含 1,813.64 条记录。文件总大小为 8,113 KB（约 7.99 MB）。

关键数据：PAWS 数据集概览

• 提交日期：2026 年 9 月 23 日 (UTC)
• 上传日期：2026 年 9 月 25 日 04:01 UTC
• 注册地：arXiv cs.AI (ID: 2609.28547)
• 文件体积：8,113 KB（约 7.99 MB）
• 作者名单：Tiviatis Sim 等共 8 人
• 政策案例：美国 36 件
• 新闻记录：12,727 条
• 行为数据：65,291 条

影响：谁受到波及？

研究结果显示，AI 与人类评估者在预测政策干预效果时，初期一致率为 89.4%。这意味着自动化系统完全取代人类判断尚存局限。

对于投资者而言，该数据集有助于提高算法交易系统的可信度，减少时间浪费并准确分析政策影响。然而，论文作者 Tiviatis Sim 指出，高准确率可能掩盖对罕见利益相关者行为的检测失败。此外，数据集中约 3.88%（2,522 条）的样本用于验证，剩余 10.6% 的内容经后续审查解决。

展望：未来时间表

论文提交日（2026 年 9 月 23 日）之后已安排正式公布。目前仅记录为提交文件，需等待进一步审查结果。文中未引用机构或企业发布的额外预测，也未确认后续的分界点或变量。建议有兴趣的读者重新阅读原文以获取最新信息。

來源

1. PAWS: Policy-driven Agentic World Simulation — arXiv cs.AI 신규 논문
2. Simulation — Wikipedia (en)