An Auditable AI Agent Loop for Empirical Economics: A Case Study in Forecast Combination
实证经济学中可审计的人工智能代理循环：预测组合案例AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以实证经济学中的预测组合和留出预测评估为案例，最直接对应预测方向，但未说明预测变量或是否涉及即时预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
实证经济学中可审计的人工智能代理循环：预测组合案例
- 研究问题
- 人工智能编码代理使实证规格搜索更快之后，如何记录搜索过程并检验发现能否推广，减少隐藏的研究者自由度问题？
- 方法与思路
- 作者将开源代理循环架构改造为实证经济学工作流程，记录规格搜索，并在搜索结束后增加留出样本评估，以预测组合作示例。
- 材料陈述的贡献
- 摘要称独立代理搜索发现优于原研究基准的方法，并指出搜索日志与留出评估共同提高透明度，帮助识别样本特定的改善。
- 阅读关注点
- 应核对搜索空间与预算、留出样本是否隔离、基准复现方式及代理间独立性，并检查搜索记录能否完整揭示规格选择过程。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明预测对象、性能指标和改善数值，不能据此判断收益的稳定性与普遍性。
原文摘要
AI coding agents, general purpose assistants that write and execute code, make empirical specification search fast and cheap, but they also widen hidden researcher degrees of freedom. This paper adapts an open-source agent-loop architecture to an empirical economics workflow and adds a post-search holdout evaluation. In a forecast-combination illustration, independent agent searches find methods that improve on benchmarks from the original study. Logged search and holdout evaluation together make adaptive specification search more transparent and help distinguish robust improvements from sample-specific discoveries.