国家级经济建模的代理人工智能助手：方法、数据和专家评估

2026-06-26 国际粮食政策研究所玉苑金山

核心观点：可计算一般均衡（CGE）模型在政策分析中具有重要应用，但其操作复杂，需要大量专业知识和时间。通用大型语言模型（LLM）虽然便捷，但在处理复杂经济问题时存在分析风险，如幻觉和专家指导不足。为解决这些问题，本文开发并评估了一种名为RIAPA-AI的智能体AI助手，将LLM与CGE模型相结合。
关键数据：
- RIAPA-AI在80个不同经济情景的样本中，与人类CGE模型师在分析准确性方面没有统计学上的显著差异，但操作效率提升，将可重复的政策分析时间从数周缩短至数分钟。
- 通用基础LLM在超过60%的深度评估中未能达到政策适用分数，其输出结果缺乏定量精确性，并经常插入未经建模的社会政治叙事。
- 人类CGE建模者在60个评估实例中有4个记录了偏差，产生了6.7%的错误率，主要归因于认知疲劳和手动处理限制。
研究结论：
- RIAPA-AI成功提供了合理、严谨且快速的政策分析，其性能与人类CGE模型师相当，同时显著提高了分析效率。
- 通用基础LLM在进行经济评估时存在严重分析风险，无法安全地替代正式经济模型。
- RIAPA-AI通过将生成式AI叠加在正式CGE模型之上，有效减轻了未经验证的假设和逻辑幻觉的风险，为低收入和中等收入国家的政策制定者和研究人员普及高质量、可复现的经济分析提供了重要工具。

点击免费查看完整报告

猜你想问

RIAPA-AI与人类CGE模型师在分析准确性上有什么区别？

RIAPA-AI在80个不同经济情景的样本中，与人类CGE模型师在分析准确性方面没有统计学上的显著差异，但操作效率显著提升，将可重复的政策分析时间从数周缩短至数分钟。这表明RIAPA-AI能够提供与专业建模师相当的分析结果，同时大幅节省时间成本，适合需要快速获取政策分析报告的场景。

通用基础LLM在经济评估中存在哪些风险？

通用基础LLM在进行经济评估时存在严重分析风险，超过60%的深度评估中未能达到政策适用分数。其输出结果缺乏定量精确性，经常插入未经建模的社会政治叙事，无法提供可靠的政策建议。这些缺陷使得LLM难以替代正式经济模型，特别是在需要严谨数据支撑的复杂经济分析中。

RIAPA-AI如何减轻分析风险？

RIAPA-AI通过将生成式AI叠加在正式CGE模型之上，有效减轻了未经验证的假设和逻辑幻觉的风险。它结合了LLM的便捷性和CGE模型的严谨性，确保分析结果既快速又可靠。这种结合方式为政策制定者和研究人员提供了高质量、可复现的经济分析工具，尤其适用于资源有限的发展中国家。

当前经济建模市场存在哪些挑战？

当前经济建模市场面临操作复杂、专业知识要求高、分析耗时长等挑战。人类CGE模型师在60个评估实例中有4个记录了偏差，错误率达6.7%，主要归因于认知疲劳和手动处理限制。这些挑战限制了经济模型的普及和应用，而RIAPA-AI的出现为解决这些问题提供了新的思路。

本报告对经济分析行业有何启示？

本报告表明，将AI技术应用于经济建模能够显著提升分析效率和准确性，为行业带来革命性变化。RIAPA-AI的成功开发和应用，为政策制定者和研究人员提供了更便捷、可靠的工具，有助于推动经济分析行业的数字化转型。同时，也提醒行业需警惕通用LLM的局限性，确保分析结果的科学性和严谨性。