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。在先前对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，其中复杂的社交关系会动态地形成和演变。代理具有心理驱动力，并被置于沙盒生存环境中。我们通过托马斯·霍布斯（Thomas Hobbes）的经典社会契约理论（SCT）来评估代理社会。我们分析代理是否像理论所述一样，试图通过放弃权利向绝对君主交换秩序和安全来逃脱野蛮的“自然状态”。我们的实验揭示了一种一致性：最初，代理人会进行无限制的冲突，反映了霍布斯对自然状态的描述。然而，随着模拟的进展，社会契约出现，导致绝对君主的授权和建立在相互合作基础上的和平共和国的建立。我们LLM代理社会的演化轨迹与霍布斯的理论说明之间的一致性表明LLMs能够模拟复杂的社会动态，并潜在地复制塑造人类社会的力量。通过使这些洞见获得有关群体行为和新兴社会现象的洞见，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，但可能具有推进我们对社会结构、群体动态和复杂人类系统的理解的潜力。

探索大型语言模型和人工智能在计算社会科学研究中的应用价值，以多智能体模拟社会关系为例，验证社会契约理论是否适用于人工智能模拟社会。

使用大型语言模型建立多智能体模拟社会，通过实验验证社会契约理论在人工智能模拟社会中的适用性。

论文设计了多智能体模拟社会实验，通过实验验证社会契约理论在人工智能模拟社会中的适用性。实验结果表明，多智能体社会在经历过无序冲突后，最终建立了社会契约，实现了和平共处。这表明大型语言模型在模拟社会动态方面具有潜力，可以帮助我们更好地理解社会结构、群体动态和复杂的人类系统。

相关研究包括：1.《Multi-Agent Reinforcement Learning for Networked System Control》2. 《Social Dynamics Simulation Using Multi-Agent Reinforcement Learning》3. 《Large-Scale Multi-Agent-Based Simulation Using Cloud Computing》