导语


集智俱乐部联合山东工商学院副教授高德华、天津大学教授薛霄、北京师范大学教授张江、国防科技大学博士研究生曾利共同发起「大模型时代下的Agent建模与仿真」读书会。读书会自2025年7月8日开始，预计持续分享8周左右。扫码加入Agent建模与仿真的前沿探索之旅，一起共学、共创、共建、共享「大模型时代下的Agent建模与仿真」社区，共同畅想大模型时代人工社会的未来图景！


本周是读书会的第二期分享，薛霄老师将围绕“计算实验框架”这一核心方法论，从ABM基础到前沿应用，构建认知复杂系统的新范式——计算实验，旨在为您构建一个系统、前沿、落地的知识图谱和实践路线。文末附薛霄老师课题组在ICWS2025最新被录用的三篇相关论文。

图片




分享简介




在深度智能化浪潮席卷全球的今天，基于Agent的建模（Agent-Based Modeling, ABM）因其深刻刻画复杂系统微观异质性、动态交互与宏观涌现的能力，已成为探索经济、社会、生态、城市等复杂现象的核心工具。然而，人工智能，特别是大语言模型（LLMs）的突破性进展，正在为ABM注入前所未有的活力和全新可能性。


“智能体”（Agent）的认知边界被拓展，从预设规则的“反应体”迈向具备生成式理解、推理和决策能力的“认知体”。这既带来了前所未有的机遇，也引发了模型复杂性、可解释性、可信度和应用效率等方面的新挑战。同时，“计算实验”（Computational Experiment）作为一种支持此类复杂系统研究的科学方法论，其地位在新时代下愈发凸显，为研究者提供了可控、可复制、可大规模探索情景的强大数字实验室。





分享简介




本次分享将围绕“计算实验框架”这一核心方法论，从ABM基础到前沿应用，构建认知复杂系统的新范式——计算实验，旨在为您构建一个系统、前沿、落地的知识图谱和实践路线。





分享大纲




一、ABM与计算实验基础框架：从起源到融合的知识体系全景解析

  • 系统梳理ABM核心概念：从复杂系统基础理论出发，解构Agent、环境、交互、涌现等核心要素；

  • ABM建模范式的演进：回顾经典ABM（规则驱动），展望融合大模型的认知ABM（LLM-Agents）的范式变革；

  • 计算实验方法论：深度阐释计算实验作为一种新科学范式的理论依据、设计原则（可重复性、可控性、敏感性分析、鲁棒性检验）与实施流程；

  • ABM至计算实验的自然跃升：阐明计算实验如何基于ABM提供严格的分析验证框架，支撑科学的模型探索、验证和理论构建，实现从模拟到实验的跃升。


二、直面挑战：ABM的三大核心挑战与变革性发展路线

  • 如何从现实世界映射到虚拟世界？LLM Agent和人类大脑的对齐，包括心理，情绪、记忆、目标等，以及面向特定领域场景，实现领域知识和数据与Agent模型的对接；

  • 如何在虚拟世界中进行因果推理？通过反事实实验构建出虚拟世界的因果模型，以及通过机制分析实现微观行为与宏观涌现的关联；

  • 如何让虚拟世界对现实赋能？提高ABM与所要描述现实世界机制之间的“平行度”，以及探讨大规模Agent仿真时的计算资源优化方案；


三、从理论到实践：计算实验支撑平台：赋能抽象Agent建模迈向真实社会应用

  • 平台化能力的必要性：理解先进的计算实验平台如何解决模型开发难、场景构建慢、参数探索繁、结果分析浅、部署应用弱等痛点。

  • 计算实验平台架构剖析：

    • 可视化建模环境：提供直观的图形界面，加速复杂ABM的构建；

    • 灵活的实验管理工具：支持自动化参数空间探索、实验设计、实验执行；

    • 强大的数据分析与可视化：深入挖掘仿真结果，识别模式、评估指标、呈现涌现现象；

    • API接口与应用集成：打通与企业决策系统、物联网平台、数字孪生环境的对接通道；

    • 应用场景落地解析：结合智慧城市骑手内卷、大国博弈推演、城市内涝应急管理与政策评估等真实案例，深度剖析计算实验平台如何驱动抽象模型转化为实际决策支持和解决方案。





参考阅读




薛霄，复杂系统的计算实验方法：原理、模型与案例，科学出版社，2022.





主讲人介绍




薛霄，天津大学智能与计算学部，教授、博导。先后获得第八届杨嘉墀科技奖，2023年度IFAC 社会计算杰出成就奖，2023年 CCF服务计算杰出成就奖，省科技创新杰出青年(省杰青), 省高校科技创新人才，省高校青年骨干教师，省学术带头人等荣誉称号。目前兼任：天津市健康人居环境与智慧技术重点实验室副主任；中国自动化学会计算社会与社会智能专委会副主任；IEEE Transactions on Intelligent Vehicles 编委；International Journal of Crowd Science 编委；Complex System Modeling and Simulation青年编委。 近年来，主持与参与科研项目包括国家重点研发、国防特区创新、国家自然基金重点、国家自然基金面上、省级重大课题30多项；以第一作者或通信作者在IEEE Trans等顶级期刊与会议上发表论文60多篇，并获得ICWS 2020最佳论文奖（服务计算Top 1会议）；2021年计算机研究与发展 Top10 高被引论文；出版著作《复杂系统的计算实验方法》，是国内第一本对计算实验方法进行系统化梳理的专著；获2023年度IFAC TC Award for Outstanding Achievement in Social Computing and CPSS。获省自然科学二等奖2项（均排名第一）、省决策成果二等奖1项（排名第一）、省优秀学术著作一等奖1项（独著）。

研究方向：服务计算、计算实验、AI Agent、群体智能。





参与方式




参与时间

2025年7月14日（周一）晚上19:30-21:30

报名加入社群交流

https://pattern.swarma.org/study_group_issue/922?from=wechat


扫码参与「大模型时代下的Agent建模与仿真」读书会，，加入社群，获取系列读书会永久回看权限，与社区的一线科研工作者沟通交流，共同大模型时代的未来人工社会图景。






薛霄实验室3篇论文被ICWS2025录用




近日，天津大学AI Agent建模仿真实验室1篇长文和2篇短文被ICWS 2025录用。其中，录用的Regular Paper长文“Scenario Generator Design Method for Service Ecosystem Governance driven by LLM - empowered Agents Simulation”获得了本次学术会议最佳论文奖。


图片


IEEE ICWS(IEEE International Conference on Web Services)是IEEE服务大会（IEEE SERVICES Congress）的重要组成部分，由IEEE服务计算技术委员会发起，是目前服务计算领域规模最大、水平最高的系列国际学术会议。主要研究领域包括：服务建模、开发、发布、发现、推荐、组合、测试、适配、交付，以及 Web 服务的应用与相关标准。
实验室成员周德雨同学以服务生态系统治理情景生成为主题，研究大语言模型赋能AI Agent驱动的情景生成器设计方法，助力服务生态系统实现更智能的治理决策模拟、风险预判及优化配置；马群同学以元宇宙服务生态系统建模为背景，探究了LLM-based agents情感对齐的实现框架，为服务实体赋予情感认知能力；沈逸帆同学围绕异常涌现分析问题，提出基于大模型的EAMI框架，实现多智能体意图分析与实证验证。

论文一：Ecosystem Governance driven by LLM-empowered Agents Simulation

博士生周德雨为第一作者，获得优秀论文奖。
图片
获奖论文聚焦大语言模型（LLM）赋能AI Agent驱动的服务生态系统治理情景生成器设计方法，针对服务生态系统治理中情景构建复杂、动态适配难等痛点，创新融合 LLM 的智能推理与智能体模拟技术，提出一套高效、精准的情景生成机制，可助力服务生态系统实现更智能的治理决策模拟、风险预判及优化配置。
图片

获奖论文聚焦大语言模型（LLM）赋能AI Agent驱动的服务生态系统治理情景生成器设计方法，针对服务生态系统治理中情景构建复杂、动态适配难等痛点，创新融合 LLM 的智能推理与智能体模拟技术，提出一套高效、精准的情景生成机制，可助力服务生态系统实现更智能的治理决策模拟、风险预判及优化配置。


论文二：An Explainable Emotion Alignment Framework for LLM-empowered Agent in Metaverse Service Ecosystem

短文，博士生马群为第一作者。
元宇宙服务是元宇宙与服务系统融合的产物，用于研究元宇宙中服务相关的问题。随着大语言模型（LLM）的兴起，大多数研究采用LLM-based agents来代表服务实体，模拟元宇宙服务生态系统中各类服务事件与交互。然而，现有LLM-based agents在情感状态集成方面存在显著的局限性（情感测量、情感状态演变及情感决策），无法有效展示出弥合虚拟世界服务与现实世界服务所需的有限理性。
针对这类问题，本文提出了一个面向元宇宙服务生态系统中LLM-based agents的可解释情感对齐框架。首先，本文开发了一个状态反馈驱动的PAD（愉悦-唤醒-支配）情感量化模型，该模型结合行为状态量化，实现LLM-based agents的持续情感调节。其次，本文建立了一个情感演化系统，使LLM-based agents在服务交互过程中逐步发展情感认知能力，从而优化决策过程。最后，本文提出了一种自我解释（SE）的激励方法，促使LLM-based agents在决策后生成回顾性理由，从而提升情感的认知推理能力。
图片
本文在外卖配送服务场景中开展了不同的模拟实验来验证其有效性。实验结果表明：(1) 情感对齐框架下的LLM-based agents（E-A）表现出了与现实世界系统（Zomato）更一致的内卷趋势；(2) 在原有较高拒单率存在的情况下，基于情感对齐的LLM-based agents逐渐倾向于接受更多的订单，突破了其原有理性控制的约束；(3) 当智能体选择接受订单时，基本都处于积极情感状态或者中性情感状态（中立、惊讶、高兴）；(4) 情感对齐框架下的LLM-based agents的聚集率最低，在降低服务成本的同时，还实现了更低的订单拒收率，并且表现出最温和的内卷效应，最接近真实情况。
图片


论文三：A Framework for Analyzing Abnormal Emergence in Service Ecosystems Through LLM-based Agent Intention Mining

短文，硕士生沈逸帆为第一作者。
在大模型驱动下，服务生态系统正呈现出越来越复杂的交互行为和系统涌现现象。传统的服务建模方法多依赖基于行为的观察与因果推断，难以解释服务系统中突发性、非线性的群体涌现行为。随着大语言模型（LLM）与Agent建模的深度融合，智能体的认知过程与决策链条可以通过Chain-of-Thought推理被逐步揭示，为服务生态系统中的“意图涌现”分析提供了新契机。

图片


针对现有研究中存在的三大限制（仅观察行为、仅分析个体、仅分析静态结果），本文提出了一种基于多智能体意图演化的涌现分析框架——EAMI（Emergence Analysis via Multi-Agent Intentions）。该框架创新性地构建了由“观察者智能体”与“分析智能体”组成的双视角意图追踪机制：前者用于捕捉每个Agent在有限理性与完全理性下的思维轨迹，后者识别其中的关键涌现意图，动态更新群体意图图谱。
在此基础上，EAMI通过文本嵌入与聚类技术构建意图聚类中心，并提出“意图时间演化图”，以揭示意图在时间演化过程中的传播路径与影响范围，从而构建微观智能体行为与宏观系统涌现之间的因果链路。
图片

为了验证EAMI框架在真实服务系统中的有效性与通用性，本文设计了两个具代表性的实验场景，并围绕三项核心研究问题展开系统性评估。首先，在外卖O2O平台模拟中构建了一个包含商家、骑手、用户、平台与政府等多角色的多智能体系统，模拟真实配送业务中的资源竞争与行为演化过程。实验引入了真实Zomato平台的配送数据进行对比，从骑手的有效工作时长、接单量等多个维度进行验证，结果显示模拟系统在多项指标上与真实数据高度一致，具备良好的现实映射能力。随后，利用EAMI框架对系统中骑手的内卷行为进行了因果机制分析，发现骑手在高压环境下逐渐形成模仿他人、选择高密度区域、规避拥堵等多种“涌现意图”，这些认知演化正是内卷现象的驱动因素。之后开展了消融实验，分别移除观察者智能体和分析智能体，结果显示系统无法识别如“嫉妒”“模仿”等关键认知变量，验证了框架中双智能体模块的不可替代性。最后，我们将EAMI迁移至Stanford AI Town情境，模拟AI智能体在虚拟社区中发起竞选的社会性事件，追踪其意图的传播路径与影响扩散过程，结果显示框架能够准确捕捉到意图的涌现点与集体行为的转变趋势。三个实验共同证明：EAMI不仅能揭示复杂服务系统中个体意图到集体行为的转化逻辑，还具备跨场景的稳健性与解释性，为后续的因果干预与系统优化提供了理论基础。


课程推荐

计算实验是复杂系统的分析利器。本课程中，将从揭示市场规律的“糖域模型”到探究种族隔离原因的“谢林模型”，从理解经济复杂性的“人工股市”到预测疫情扩散的“流行病模型”，从探寻客户流失原因的“虚拟淘宝”到与现实世界互动的“无人驾驶策略训练”，带你领略复杂系统理论应用的魅力。

读书会推荐


「大模型时代下的Agent建模与仿真」读书会


集智俱乐部联合山东工商学院副教授高德华、天津大学教授薛霄、北京师范大学教授张江、国防科技大学博士研究生曾利共同发起「大模型时代下的Agent建模与仿真」读书会。读书会自2025年7月8日开始，每周二晚上7:30-9:30进行，预计持续分享8周左右。扫码加入Agent建模与仿真的前沿探索之旅，一起共学、共创、共建、共享「大模型时代下的Agent建模与仿真」社区，共同畅想大模型时代人工社会的未来图景！

核心问题

Agent建模与仿真是什么，核心技术发生了怎样的演变？
大模型时代，Agent建模与仿真会给复杂系统理论带来哪些突破？
大模型如何赋能Agent实现自主思考与动态适应？
大模型驱动的Agent交互会涌现出什么新型的社会现象？
Agent建模与仿真如何改变金融、心理、管理、军事等领域的研究范式？

你将收获
梳理Agent建模与仿真的历史发展脉络与方法论；
掌握一套理解、分析、控制、预测复杂系统的计算实验框架；
掌握基于多主体强化学习的复杂系统优化方法；
领略领域前沿学者的研究体系与科研路径。

图片

详情请见：大模型时代下的Agent建模与仿真：共探人工社会未来图景


点击“阅读原文”，报名读书会

内容中包含的图片若涉及版权问题，请及时与我们联系删除