大型语言模型可模拟人类社交行为，但存在偏见、易受干扰、复杂协调能力不足等局限。研究提出SimulateBench等基准及协作生成代理框架，评估其一致性、鲁棒性与任务协调表现，并探索角色扮演、人机交互等应用。结果表明LLM代理前景可观，但需进一步改进以克服偏见，实现更真实的人类行为模拟。