计算实验与基于大型语言模型的智能体：调查与展望
内容提要
大型语言模型正被引入智能体建模与仿真，用于宏观经济、人际互动和社会观点动态等场景。研究表明，LLM智能体可展现类人决策与协作能力，生成更合理的仿真结果，但存在信息偏差、协调能力有限等问题。相关综述梳理了单智能体与多智能体框架、评估策略及挑战，并展望其在社会科学等领域的应用前景。
延伸解读
LLM智能体的优势与局限
文章指出，将大型语言模型集成到智能体建模中，能设计出展现类人决策和适应能力的代理，在宏观经济仿真中产生比传统规则化或AI代理更合理的现象。然而，LLM智能体也存在信息偏差和协调能力有限等问题，例如在观点动态模拟中，对准确信息的固有偏差导致共识，却难以模拟对气候变化等问题的抵制观点。这些局限提示读者在应用时需谨慎评估其适用性。
多智能体协调的挑战
文章通过招聘会环境的案例研究，探讨了LLM智能体在任务导向社会背景中的协调能力。研究者引入协作生成代理，赋予其人类般推理和专业技能，评估结果显示有希望的性能，但也发现限制阻碍了它们在更复杂协调任务中的效果。这表明，尽管LLM智能体在多角色协作和信息传递方面有潜力，但协调机制仍需进一步优化，以应对现实世界的复杂互动。
观点动态模拟的偏差与改进
文章提出基于LLM的人口多智能体模拟观点动态的新方法，发现语言模型智能体存在对准确信息的固有偏差，导致在科学现实中产生共识，但限制了模拟对气候变化等问题持有抵制观点的个体。通过启动工程引入确认偏见后，观点分裂情况与现有多智能体研究一致。这突显了LLM智能体在模拟人类信念演变中的前景和局限，并指出未来需通过与真实世界话语结合来完善模型。
Q&A
什么是基于大型语言模型的智能体建模与仿真？
基于大型语言模型的智能体建模与仿真（SABM）是将大型语言模型（如GPT）集成到智能体建模中，使智能体能够表现出类人决策和适应能力，从而更真实地模拟复杂系统。
大型语言模型智能体在宏观经济仿真中有什么优势？
在宏观经济仿真中，利用大型语言模型的人类化特性可以克服传统限制，设计出表现出人类决策和适应能力的LLM代理，进行模拟实验以展示逼真的工作和消费决策能力，并产生比现有规则化或人工智能代理更合理的宏观经济现象。
大型语言模型智能体在模拟人际互动方面有哪些案例？
通过引入兴趣引擎技术，展示了两种可信的人类行为代理模拟：一种是两个代理人的谈判，另一种是六个代理人的谋杀迷游戏。
大型语言模型智能体在观点动态模拟中面临哪些挑战？
大型语言模型智能体存在对准确信息的固有偏差，导致在科学现实中产生共识，但该偏差限制了模拟对气候变化等问题持有抵制观点的个体。通过启动工程引入确认偏见后，可以观察到观点分裂的情况与现有多智能体研究一致。
基于大型语言模型的智能体在任务导向的社会模拟中协调能力如何？
在模拟的招聘会环境中，协作生成代理显示出有希望的性能，但也存在限制，阻碍了它们在更复杂的协调任务中的效果。
大型语言模型智能体在社会科学领域的应用前景如何？
大型语言模型在社会科学研究和实际应用中的作用被不断拓展，但需要进一步研究和发展评估协议，以直接应用这些模型来模拟人类行为。未来发展方向包括通过与真实世界的话语相结合，完善语言模型，以更好地模拟人类信念的演变。
