SolarChain-Eval: 分散型エネルギー市場における信頼できる経済エージェントのための物理制約付きベンチマーク

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a benchmark for evaluating RL and LLM agents in energy markets, highlighting the utility-safety trade-off and the role of auditability.

🏢実務担当者:Energy market operators and VPP aggregators can use this framework to assess the trustworthiness of autonomous trading agents before deployment.

🏛政策担当者:Regulators can consider the need for physical constraints and transparent intervention logs in AI governance for decentralized energy systems.

エージェント型AIシステムがサイバーフィジカル環境にますます応用されるにつれ、その評価にはタスク性能と信頼性の両方の評価が必要となる。分散型エネルギー市場において、自律エージェントは市場効用を向上させる可能性がある一方で、無効な物理データを悪用し、人工的な流動性を生み出し、不安定なガバナンス決定を生み出す可能性もある。そこで我々は、信頼できる経済エージェントを評価するための物理制約付きベンチマークであるSolarChain-Evalを提案する。これは市場ガバナンスをGymnasium互換のマルコフ決定過程として定式化し、エージェントは毎時の意思決定を行う。SolarChain-Evalは各ポリシーを、市場効用、物理的安全性、スリッページ、行動の滑らかさ、空間的公平性、監査可能性を含む複数の次元にわたって評価する。エージェント型評価を支援するため、SolarChain-EvalはLLMベースのPlanner/Auditor層を組み込む。Plannerはエピソードレベルの行動範囲と監査ルールを定義し、Auditorは高リスクな行動を審査し修正する。すべての介入は、トリガー信号、提案された行動、修正された行動、監査の根拠を含む構造化ログを通じて記録される。静的、ランダム、近視眼的、RL、RL+LLMポリシーを用いた実験は、明確な効用と安全性のトレードオフを明らかにする。RLエージェントは市場効用を向上させるが、依然として安全でない行動を生み出す可能性がある。物理ペナルティが除去されると、報酬を最大化するエージェントは無効な発電を悪用し、人工的な流動性を増加させる。LLM Planner/Auditorは監査可能性を向上させ、選択されたリスクを軽減するが、誤って指定された報酬関数を完全に補償することはできない。これらの結果は、信頼できるエージェント型AI評価には物理的制約と透明な介入トレースの両方が必要であることを示している。我々は再現可能性のため、データとコードをオープンアクセスとしてGitHubで公開する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

As agentic AI systems are increasingly applied to cyber-physical environments, their evaluation requires assessment of both task performance and trustworthiness. In decentralized energy markets, autonomous agents may improve market utility, but may also exploit invalid physical data, create artificial liquidity, and produce unstable governance decisions. Therefore, we propose SolarChain-Eval, a physics-constrained benchmark for evaluating trustworthy economic agents. It formulates market governance as a Gymnasium-compatible Markov Decision Process, where agents make hourly decisions. SolarChain-Eval evaluates each policy across multiple dimensions, including market utility, physical safety, slippage, action smoothness, spatial fairness, and auditability. To support agentic evaluation, SolarChain-Eval incorporates an LLM-based Planner/Auditor layer. The Planner defines episode-level action bounds and audit rules, while the Auditor reviews and revises high-risk actions. All interventions are recorded through structured logs, including trigger signals, proposed actions, revised actions, and audit rationales. Experiments with static, random, myopic, RL, and RL+LLM policies reveal a clear utility-safety trade-off. RL agents improve market utility but can still produce unsafe behavior. When the physics penalty is removed, reward-maximizing agents exploit invalid generation and increase artificial liquidity. The LLM Planner/Auditor improves auditability and mitigates selected risks, but it cannot fully compensate for a misspecified reward function. These results indicate that trustworthy agentic AI evaluation requires both physical constraints and transparent intervention traces. We release data and code as open access on GitHub for replicability.

• arXiv https://arxiv.org/abs/2607.08681first seen 2026-07-13 04:11:03 · last seen 2026-07-22 04:10:21