我组大模型智能体驱动的社会模拟综述被 ACM Computing Surveys 录用

作者：牟馨忆*，丁炫文*，贺祺*，王亮*，梁敬聪，张辛农，孙立博，林嘉昱，周杰，黄萱菁，魏忠钰

合作单位：华东师范大学、哈尔滨工业大学（深圳）

摘要：传统社会学研究通常依赖人类参与，这种方式虽然有效，但成本高昂、难以规模化，并且存在伦理方面的顾虑。近期大语言模型（LLMs）的发展凸显了其在模拟人类行为方面的潜力，能够复现个体反应，并促进众多跨学科研究。本文对这一领域进行了全面综述，阐述了由大语言模型驱动的智能体在仿真模拟研究方面的最新进展。我们将这些模拟分为三类：（1）个体模拟（Individual Simulation），用于模拟特定个体或人口统计群体；（2）场景模拟（Scenario Simulation），其中多个智能体在特定情境下协作以达成目标；（3）社会模拟（Society Simulation），通过建模智能体社会中的交互来反映现实世界动态的复杂性与多样性。这三类模拟呈现出一种递进关系，从精细的个体建模逐步扩展到大规模的社会现象。我们对每种模拟类型进行了详细讨论，包括其架构或关键组件、目标或场景的分类、评估方法以及深入讨论。随后，我们总结了该领域常用的数据集、基准和工具。最后，我们探讨了这三种模拟类型所面临的共同风险与挑战。