本研究提出均场大语言模型（MF-LLM）框架，旨在缩小集体决策模拟与真实数据之间的差距。通过动态反馈循环，精确建模个体行为与群体分布，实验结果显示其在预测精度和减少KL散度方面表现出色。

本研究提出了一种新的数字代表模型，通过训练语言代理有效表达个体偏好，解决集体决策中的代表性不足问题。结果表明，经过微调的大型语言模型能够在多样化人群中有效寻找共识。

本研究提出了一种三层共识可信证据融合方法（PCEF），有效解决了集体决策中的偏好泄露和融合失败问题，提升了隐私保护、决策准确性和时间效率。

本文探讨了群体智能中的集体决策与单代理强化学习的等价性，提出了新的强化学习更新规则——梅因纳德-克罗斯学习，推动了两者的交叉学科发展。