Artificial Leviathan: Exploring Social Evolution of LLM Agents Through the Lens of Hobbesian Social Contract Theory

大型语言模型（LLMs）的出现和人工智能（AI）的进步为规模化的计算社会科学研究提供了机会。在之前对LLM代理设计的探索基础上，我们的工作引入了一个模拟代理社会，其中复杂的社会关系会随着时间动态形成和演变。代理人具有心理驱动力，并被置于一个沙盒生存环境中。我们通过托马斯·霍布斯（Thomas Hobbes）的开创性社会契约理论（SCT）来评估代理社会。我们分析了代理人是否像理论所述那样，试图通过放弃权利，将权力交给绝对主权以换取秩序和安全，从而逃离野蛮的“自然状态”。我们的实验揭示了一种一致性：最初，代理人会参与无限制的冲突，反映了霍布斯对自然状态的描绘。然而，随着模拟的进行，社会契约出现，导致授权绝对主权和建立基于相互合作的和平共和国。我们的LLM代理社会的演化轨迹与霍布斯的理论说明之间的这种一致性表明，LLMs有能力模拟复杂的社会动态，并潜在地复制塑造人类社会的力量。通过使这种洞察力进入群体行为和新兴社会现象，LLM驱动的多代理模拟，虽然无法模拟人类行为的所有细微差别，但可能有助于推进我们对社会结构、群体动态和复杂人类系统的理解。

论文旨在通过引入心理驱动的模拟代理社会，研究代理人是否会在Hobbes的社会契约理论下，放弃一些自由以换取秩序和安全。

通过构建心理驱动的代理社会，研究代理人是否会遵循Hobbes的社会契约理论，并放弃一些自由以换取秩序和安全。

论文设计了一个心理驱动的代理社会，通过对代理人的行为进行模拟来研究社会契约理论。实验结果表明，代理人在一开始会进行无限制的冲突，但随着模拟的进行，社会契约逐渐形成，最终建立了一个和平的共和国。这表明LLMs能够模拟复杂的社会动态，并有望促进对社会结构、群体动态和复杂人类系统的理解。

在这个领域中，最近还有一些相关的研究。例如，"Emergent Tool Use from Multi-Agent Interaction"和"Social Influence as Intrinsic Motivation for Multi-Agent Deep Reinforcement Learning"等。