본 논문은 정부 채권 시장과 같은 양면 시장의 복잡성을 모델링하기 위해, 대규모 언어 모델(LLM)을 활용한 에이전트 기반 모델인 TRIBE를 제시합니다. TRIBE는 공개 데이터와 일반적인 사실들을 바탕으로 위험 회피 및 모호성 민감성과 같은 인간의 편향을 포함하여 현실적인 거래 역학을 포착합니다. LLM 통합을 통해 개선된 에이전트 행동 시뮬레이션의 실현 가능성, 위험 회피 성향이 거래 중단으로 이어지는 민감성, 그리고 인간과 같은 변동성이 시장 권력 역학과 시스템 안정성에 미치는 영향을 보여줍니다. 이는 확률적이고 인간과 유사한 의사결정 과정을 도입했을 때 나타나는 새로운 시스템 행동을 보여주는 것입니다.
