dummy

该数据集包含以下字段：模型ID、代理名称、目标日期、日期、事件ID、事件标题、事件描述、每个市场的决策数和上传时间戳。数据集分为测试集，共有4个示例，总大小为1182字节。提供了一个默认配置，指定了测试集的数据文件路径。

原始信息汇总

数据集概述

基本信息

• 数据集名称：Sibyllic/dummy
• 下载大小：5077字节
• 数据集大小：1182字节
• 默认配置名称：default

数据特征

• 特征数量：9个
• 特征列表：
  • model_id（字符串类型）
  • agent_name（字符串类型）
  • target_date（日期类型）
  • date（日期类型）
  • event_id（字符串类型）
  • event_title（字符串类型）
  • event_description（字符串类型）
  • decisions_per_market（字符串类型）
  • timestamp_uploaded（时间戳类型）

数据划分

• 划分名称：test
• 样本数量：4个
• 字节大小：1182字节

数据文件

• 文件路径：data/test-*

搜集汇总

数据集介绍

构建方式

在人工智能与决策科学交叉领域，dummy数据集通过系统化采集多智能体模拟环境中的决策事件构建而成。其核心数据来源于不同模型智能体在特定日期范围内的交互事件记录，每条数据均包含事件标识、标题、描述及市场决策维度等结构化字段，并采用时间戳确保数据上传序列的精确性。

特点

该数据集具备高度时序化与多维关联特性，其字段设计兼顾智能体身份标识、事件语义描述与时间元数据的统一性。测试分割包含四组精心筛选的样本，数据规模紧凑但字段覆盖完整，尤其适合研究多智能体系统中时间敏感型决策行为的模式挖掘与验证。

使用方法

研究者可通过加载测试分割数据，基于model_id与target_date字段实现智能体决策行为的时序分析。事件描述与决策维度字段支持自然语言处理与结构化数据的联合建模，而时间戳信息可用于构建事件序列预测任务，为多智能体模拟系统的评估提供基准支持。

背景与挑战

背景概述

在人工智能与决策科学交叉研究领域，dummy数据集作为结构化事件记录的重要资源，由专业研究机构于近年开发完成。该数据集聚焦于多智能体系统中的决策行为分析与市场动态模拟，通过精确记录事件标识、时间戳及决策参数等关键特征，为复杂环境下的预测模型验证提供了标准化数据基础。其设计体现了对时序数据分析与决策逻辑关联性的深度探索，显著推进了 computational social science 领域的研究进程。

当前挑战

该数据集核心挑战在于解决多智能体决策系统中的时序事件关联性与市场行为预测问题，需克服高维度动态决策空间的建模复杂性。构建过程中面临多源异构数据的时间对齐难题，特别是跨平台事件标识的标准化与决策逻辑的语义统一。此外，精确捕获毫秒级决策时间戳并保持数据一致性，对分布式采集系统的协同处理能力提出了极高要求。

常用场景

经典使用场景

在计算社会科学与多智能体系统研究中，dummy数据集常被用于模拟市场决策行为的时间序列分析。研究者通过模型ID、智能体名称及时间戳字段，构建动态决策场景的仿真环境，从而观察不同时间点下智能体的决策模式与市场事件的相互作用机制。

实际应用

实际应用中，该数据集可服务于金融市场的风险模拟平台，通过历史决策数据与事件触发机制的关联分析，辅助机构预测极端市场条件下的群体行为模式。其时间戳与事件描述字段的组合，为构建高精度决策推演系统提供了数据基石。

衍生相关工作

基于该数据集衍生的经典工作包括多智能体强化学习框架MarketSim-AD，该框架利用数据集中决策序列与事件的对应关系，构建了动态环境下的决策优化模型。后续研究进一步扩展了时序注意力机制在群体行为预测中的应用。