経験的経済学のための監査可能なAIエージェントループ：予測組み合わせのケーススタディ

要旨：AI コーディングエージェントは経験的仕様探索を高速かつ低コストにしますが、研究者の隠れた自由度を広げています。オープンソースのエージェント・ループアーキテクチャを基盤に、本論文はそのフレームワークを経験的経済学のワークフローに適用し、検索後のホールドアウト評価を追加する。予測の組み合わせの図示では、複数の独立したエージェント実行が元のローリング評価で標準ベンチマークを上回るが、検索後のホールドアウトでは必ずしもそうとは限らない。記録された検索とホールドアウト評価を併せて用いることで、適応的仕様探索はより透明になり、堅牢な改善とサンプル特有の発見を区別するのに役立つ。