现在有越来越多的社会科学研究开始以AI agent为研究对象，希望能通过AI agent来模拟现实中个体间的互动（即仿真）。大语言模型大大增强了大语言模型的仿真与建模能力，这篇发表在HSSC上的《大语言模型赋能的基于代理的建模与仿真：综述与展望》系统地探讨了LLM赋能ABM的背景、动机、挑战与应用，今天主要分享这篇文章的背景与动机部分： [一]仿真（simulation）通过数学公式或计算机生成的表示来模拟现实系统和过程，尤其是基于代理的建模与仿真，通过模拟个体代理及其相互作用建模复杂系统。大语言模型（LLM）的出现展示了其在增强代理仿真中的潜力，能使代理的决策、沟通和适应更为逼真，进而推动系统级行为的深入理解。[二]背景-基于代理的仿真基于代理的仿真关注个体代理及其在环境中的互动，模拟复杂系统中的固有动态，包括代理、环境和互动三个组件；基于代理的建模与仿真提供了一种从个体互动出发研究宏观现象和动态的自下而上的视角代理能力：为实现真实仿真，代理应具备自主性、社交能力、反应性和主动性基于代理的建模与仿真广泛应用于四个领域：物理、社会、网络和混合领域。代理仿真技术经历了从知识驱动到数据驱动的演变。知识驱动方法包括预定义规则和符号方程；数据驱动方法则使用随机模型和机器学习。机器学习特别适用于增强代理在动态环境中的适应能力。限制：现有基于代理仿真方法面临多项挑战，尤其是①“反应式架构”无法处理复杂任务，②且难以在多变环境中进行有效的跨领域仿真。③此外，现有方法无法同时支持描述性问题、预测问题和机制解释，亟需新的方法以兼顾仿真精确度、解释性和适应性。⇨大语言模型赋能[三]动机-大语言模型与LLM赋能代理LLM赋能代理的动机：LLM赋能代理具有类人智能，能够感知环境并做出决策。LLM代理无需预定义指令即可根据环境适应性地执行任务，能够形成新的目标和解决方案。LLM代理还具备自我规划、主动行动、工具使用等能力，能够与人类或其他AI代理互动并生成可理解的交流文本。此外，LLM代理具备异质性，能够在社会中扮演不同角色，模拟群体智慧。基于代理的建模与仿真面临多项挑战，而大语言模型赋能的代理通过强大的感知、推理、决策和自我进化能力解决了这些问题。下一期继续分享这篇文章的后半部分～#心理学 #文献阅读 #人工智能 #ai大模型 #LLM #agent #LLM #顶刊摘要：现在有越来越多的社会科学研究开始以AI agent为研究对象，希望能通过AI agent来模拟现实中个体间的互动（即仿真）。大语言模型大大增强了大语言模型的仿真与建模能力，这篇发表在HSSC上的《大语言模型赋能的基于代理的建模与仿真：综述与展望》系统地探讨了L
来源：我凯辰韩