AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society

本文提出了名为 AgentSociety 的大规模社会模拟器，通过整合大语言模型驱动的智能体、真实社会环境及高效仿真引擎，成功模拟了超 1 万个智能体的 500 万次交互，并在极化、政策干预及外部冲击等五大社会议题上验证了其作为计算社会科学实验平台的有效性，其结果与现实世界的高度一致性彰显了其在理解人类行为和社会机制方面的巨大潜力。

要点

这篇论文介绍了一个名为 AgentSociety 的超级系统，你可以把它想象成一个**“数字平行宇宙”**。

在这个宇宙里，住着超过 1 万个由人工智能（AI）扮演的“数字居民”。这些居民不是简单的程序，而是拥有大脑、情感、记忆和社交圈的“虚拟人类”。科学家们在这个虚拟世界里，模拟了 500 万次互动，以此来研究真实的人类社会是如何运作的。

为了让你更容易理解，我们可以用几个生动的比喻来拆解这个系统：

1. 核心角色：AI 居民（不仅仅是 NPC）

以前的电脑游戏里，NPC（非玩家角色）就像提线木偶，只会按设定好的剧本走（比如看到钱就捡，看到敌人就躲）。
但 AgentSociety 里的居民完全不同：

• 他们有心（Minds）： 他们像真人一样有情绪（开心、愤怒、焦虑）、有需求（饿了要吃饭、累了要睡觉）、有认知（对政治有看法、对环保有态度）。
• 他们有记忆（Memory）： 他们记得昨天发生了什么，记得谁对他们好，记得自己欠了多少钱。
• 他们会成长（Evolution）： 他们的性格和行为会随着经历而改变，就像我们在现实生活中一样。

比喻： 想象一下，你走进一个巨大的、看不见的“元宇宙社区”。这里的 1 万个居民，每一个都像是由最聪明的 AI 扮演的真人。他们早上会为了上班挤地铁，中午会为了省钱在超市比价，晚上会和朋友在微信上聊天八卦，甚至会因为看到一条假新闻而变得愤怒。

2. 舞台：逼真的“数字地球”

光有演员还不够，还得有逼真的舞台。这个系统构建了一个**“数字孪生城市”**：

• 城市空间： 有真实的道路、红绿灯、商场和公园。居民开车、走路、坐公交，都要遵守交通规则，还要考虑天气（比如下雨天就不想出门）。
• 社会空间： 有真实的社交网络。居民可以发朋友圈、私信聊天，甚至会有“网络管理员”（Supervisor）来监控和过滤那些恶毒的言论。
• 经济空间： 这里有真实的银行、公司和政府。居民要工作赚钱、交税、存钱吃利息，还要面对通货膨胀和失业风险。

比喻： 这就像是一个超大型的“模拟人生”（The Sims）游戏，但这次不是你在控制一个角色，而是系统同时控制着 1 万个角色，而且这个世界的物理规则、经济规律和社交逻辑都严格照搬了现实世界。

3. 引擎：超级计算机的“大脑”

要同时让 1 万个 AI 居民思考、行动、互动，普通的电脑早就死机了。作者开发了一个**“超级引擎”**：

• 它利用分布式计算技术，把任务分给成千上万个处理器，就像让一个庞大的交响乐团同时演奏，而不是一个人独奏。
• 它使用了一种叫 MQTT 的通信协议（通常用于物联网，比如让家里的灯泡和手机对话），让这 1 万个居民能瞬间互相发消息，效率极高。

比喻： 想象一下，如果让 1 万人同时开一场即兴话剧，每个人都要记住自己的台词、反应别人的动作，还要和观众互动。这个“引擎”就是那个不知疲倦的导演和舞台监督，确保每个人都在正确的时间、正确的地点，做出正确的反应，而且不会乱套。

4. 实验：在虚拟世界做“思想实验”

这是这个系统最厉害的地方。在现实世界里，科学家很难做某些实验（比如：突然给所有人发钱会怎样？或者一场飓风来了大家会怎么跑？）。但在 AgentSociety 里，科学家可以随意“上帝视角”操作：

• 实验一：极化现象（Polarization）
  • 场景： 让居民们讨论“枪支管制”。
  • 发现： 如果只让他们和观点相同的人聊天（回声室效应），大家的观点会越来越极端；如果让他们接触不同观点，大家反而变得更温和。
• 实验二：谣言与愤怒（Inflammatory Messages）
  • 场景： 模拟一条带有煽动性的假新闻在网上传播。
  • 发现： 这种消息传播得比普通新闻快得多，而且会让居民情绪极度激动。系统发现，直接封禁那些爱发谣言的“账号”（节点干预），比切断他们之间的连线（边干预）更有效。
• 实验三：全民基本收入（UBI）
  • 场景： 给每个居民每月发 1000 美元。
  • 发现： 居民们的消费增加了，抑郁情绪减少了。这和现实中美国德州的一些实验结果非常吻合。
• 实验四：飓风来袭（External Shocks）
  • 场景： 模拟飓风登陆。
  • 发现： 居民们会像真人一样，在飓风来临前减少出行，灾后慢慢恢复。系统能精准预测人流的变动。
• 实验五：城市环保（Urban Sustainability）
  • 场景： 鼓励大家少开车，多坐公交。
  • 发现： 仅仅靠“命令”大家环保效果一般，但如果激发大家内心的“道德感”和“身份认同”（比如“我是一个环保主义者”），大家真的会主动选择低碳出行。

总结：为什么要造这个？

这就好比在造**“社会学的天气预报”**。

以前，社会学家研究人类行为，要么靠发问卷（大家可能撒谎），要么靠观察历史数据（那是过去式，而且很难控制变量）。
现在，AgentSociety 提供了一个低成本、零风险、可重复的实验室。

• 对政府： 在出台新政策（如税收、福利、环保）前，先在这个虚拟世界里跑一遍，看看会发生什么，避免在现实中“交学费”。
• 对社会： 帮助我们理解为什么社会会分裂、谣言为什么传播、灾难来临时人们会怎么做。

一句话总结：
AgentSociety 就是给人类社会造了一个**“数字双胞胎”**。在这个双胞胎世界里，我们可以预演未来，测试政策，理解人性，从而让我们现实中的世界变得更美好、更安全。这标志着社会科学进入了一个全新的时代：从“观察人类”变成了“创造并模拟人类”。

技术摘要

AgentSociety 技术总结报告

1. 研究背景与核心问题 (Problem)

背景：
理解人类行为和社会运作机制是社会科学的核心。传统的“生成式社会科学”（Generative Social Science）范式试图通过自下而上的模拟来替代昂贵且难以实施的传统社会实验。近年来，大语言模型（LLM）的进步使得创建具有类人“心智”的生成式智能体成为可能。

核心问题：
尽管现有研究在利用 LLM 模拟特定行为（如移动、消费、社交）方面取得进展，但构建一个大规模、高保真、能够模拟完整社会系统的模拟器仍面临巨大挑战：

1. 智能体真实性不足： 现有智能体往往缺乏深层的心理动机（如情感、需求、认知）与社会行为的有机耦合，难以模拟复杂的社会互动。
2. 环境真实性缺失： 许多模拟仅基于文本或简单规则，缺乏对真实城市空间、经济系统和社会关系的动态反馈，导致模拟结果偏离现实（如 LLM 幻觉）。
3. 可扩展性瓶颈： 现有的多智能体框架难以支撑大规模（>10k）智能体的并发交互，且缺乏支持标准社会科学方法（如调查、干预、访谈）的工具箱。
4. 缺乏统一框架： 目前缺乏一个能够整合 LLM 驱动的智能体、真实社会环境和大规模仿真引擎的综合性平台，以验证其在复杂社会实验中的有效性。

2. 方法论 (Methodology)

作者提出了 AgentSociety，一个集成了 LLM 驱动的社会生成智能体、真实社会环境和强大仿真引擎的大规模社会模拟器。其核心架构包含三个关键部分：

2.1 LLM 驱动的社会生成智能体 (LLM-driven Social Generative Agents)

智能体设计基于心理学、经济学和行为科学理论，分为四个模块：

• 心智层 (Minds)：
  • 情感 (Emotion)： 基于 Shvo 等人的框架，模拟六种核心情感（悲伤、快乐、恐惧等），动态响应内外刺激。
  • 需求 (Needs)： 基于马斯洛需求层次理论，将需求分层（生理、安全、归属等），作为行为驱动的根本动力。
  • 认知 (Cognition)： 模拟态度、信念和决策过程，通过“计划行为理论”将需求转化为具体行动。
• 行为层 (Behaviors)：
  • 移动 (Mobility)： 基于重力模型（Gravity Model）和时空耦合，模拟从需求到具体地点的规划（如通勤、购物）。
  • 社交 (Social)： 构建家庭、朋友、同事关系网络，模拟在线/离线互动、信息传播及情感传染。
  • 经济 (Economy)： 模拟就业、消费、储蓄和税收，与宏观经济环境（企业、银行、政府）交互。
• 耦合机制 (M-B Coupling)： 通过流式记忆 (Stream Memory) 机制，将静态档案（Profile）、动态状态（Status）和事件流（Event Flow）与感知流（Perception Flow）结合，确保行为由内部状态驱动并随环境反馈自适应调整。

2.2 真实社会环境 (Real-world Societal Environment)

环境被建模为三个相互交织的空间，提供客观约束和反馈：

• 城市空间 (Urban Space)： 基于 OpenStreetMap 和 SafeGraph 数据，构建路网、兴趣点（POI/AOI）。支持驾驶、步行、公交、出租车等多种交通模式，提供精确的时空和成本反馈。
• 社会空间 (Social Space)： 构建社交网络，引入“监管者 (Supervisor)"机制，模拟社交媒体算法对信息的过滤、屏蔽和干预。
• 经济空间 (Economic Space)： 模拟宏观经济学循环，包括企业（生产/定价）、银行（利率/储蓄）、政府（税收/再分配）和国家统计局（GDP 统计）。

2.3 大规模仿真引擎 (Large-scale Social Simulation Engine)

为解决大规模并发和通信瓶颈，设计了分布式架构：

• 分布式执行： 基于 Ray 框架实现多进程分布式计算，将智能体分组（Agent Group）运行，避免 TCP 端口耗尽问题。
• 异步通信： 利用 MQTT 协议（物联网标准）构建智能体消息系统，支持高并发、低延迟的消息发布/订阅，模拟真实的人类语言交互。
• 实验工具箱： 内置干预（Intervention）、访谈（Interview）和调查（Survey）工具，支持社会科学标准研究方法。

3. 关键贡献 (Key Contributions)

1. 提出了 AgentSociety 框架： 首个整合了 LLM 智能体、真实环境反馈和大规模分布式引擎的社会模拟器，支持超过 10,000 个智能体 和 500 万次交互。
2. 实现了高保真智能体设计： 创新性地融合了马斯洛需求、计划行为理论等社会科学理论，构建了“情感 - 需求 - 认知”驱动的行为生成机制，显著提升了智能体的社会智能水平。
3. 构建了多维真实环境： 突破了纯文本模拟的局限，建立了包含城市交通、宏观经济和社会网络的动态环境，解决了 LLM 幻觉问题，提供了客观的行为约束。
4. 开发了高性能仿真引擎： 通过 Ray 分布式计算和 MQTT 消息中间件，解决了大规模智能体模拟中的扩展性和通信延迟瓶颈，实现了每秒数万次的高效交互。
5. 验证了社会科学实验能力： 成功复现了五个真实世界社会实验（极化、炎症信息传播、UBI 政策、飓风冲击、城市可持续性），证明了其作为政策评估和理论验证平台的有效性。

4. 实验结果 (Results)

论文通过五个典型案例验证了 AgentSociety 的有效性：

1. 观点极化 (Polarization)： 模拟枪支管制讨论。结果显示，同质化互动（回声室效应）加剧极化（52% 智能体观点更极端），而异质化互动（接触对立观点）有效缓解极化（89% 智能体观点更温和）。
2. 炎症信息传播 (Spread of Inflammatory Messages)： 基于“徐州铁链女”事件。发现炎症信息比常规信息传播更快、情感强度更高。节点干预（封禁账号）比边干预（切断连接）更能有效遏制传播并降低情感强度。
3. 全民基本收入 (UBI)： 模拟美国德克萨斯州 UBI 政策。结果显示，发放 UBI 后，智能体的消费水平上升，抑郁水平下降，与真实世界实验结果一致，验证了模拟的经济和社会指标真实性。
4. 外部冲击：飓风 (External Shocks of Hurricane)： 模拟飓风“多里安”对哥伦比亚市的影响。智能体在飓风来临前活动水平从 70-90% 骤降至 30%，灾后逐渐恢复，其时空移动模式与真实数据高度吻合。
5. 城市可持续性 (Urban Sustainability)： 在北京城市环境中测试六种环保规范干预。发现强调“个人规范”（道德义务）的干预比强调“指令性规范”（社会压力）更能有效促进低碳出行并减少碳排放。

性能评估：

• 环境模拟器在百万级查询下仍保持低延迟。
• MQTT 消息系统在吞吐量（~4.4 万 msg/s）和辅助工具支持上优于 RabbitMQ 和 Kafka，适合大规模智能体通信。
• 系统能高效处理 10k 智能体的并发模拟，主要瓶颈在于 LLM API 调用时间，但通过并行化已显著优化。

5. 意义与影响 (Significance)

• 计算社会科学的新范式 (Computational Social Science 2.0)： AgentSociety 标志着从静态数据分析向动态、交互式、高保真模拟的范式转变。它不仅是解释工具，更是预测和干预工具。
• 低成本、低风险的政策试验田： 为政策制定者提供了一个在虚拟环境中测试宏观经济政策（如 UBI、碳税）、社会管理策略（如危机应对、信息管控）的安全沙盒，避免了现实实验的高成本和伦理风险。
• 理解复杂社会系统的机制： 通过自下而上的模拟，揭示了宏观社会现象（如极化、经济波动）的微观生成机制，填补了传统理论与现实复杂性之间的鸿沟。
• 人机共存社会的预演： 为未来人类与 AI 共存的社会结构、法律伦理框架及风险管控（如 AI 引发的系统性风险）提供了战略性的探索平台。

综上所述，AgentSociety 不仅是一个技术突破，更是社会科学方法论的一次重大革新，为理解、预测和塑造未来人类社会提供了强大的计算基础设施。