🤖 AI

ScioMind: Cognitively Grounded Multi-Agent Social Simulation with Anchoring-Based Belief Dynamics and Dynamic Profiles

ScioMind 是一个以认知为基础的多智能体模拟框架，它通过整合基于记忆锚定的信念更新、分层记忆架构以及动态智能体画像，来更好地建模基于大语言模型的模拟中异质性人格与稳定的信念轨迹，从而增强社会舆论动态的行为真实性。

原作者： Yitian Yang, Yiqun Duan, Linghan Huang, Yiqi Zhu, Francesco Bailo, Chunmeizi Su, Huaming Chen

发布于 2026-05-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Yitian Yang, Yiqun Duan, Linghan Huang, Yiqi Zhu, Francesco Bailo, Chunmeizi Su, Huaming Chen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你想了解人们在讨论政治或社会问题等热点话题时，是如何争论、改变主意或坚持己见的。传统上，科学家使用简单的数学模型来模拟这一过程，但这些模型就像只用两种棋子下棋：它们过于僵化，无法捕捉真实人类思维中混乱、情绪化且复杂的方式。

另一方面，使用先进的人工智能（大语言模型）来模拟人类，就像给每个人一个超级聪明的头脑，却没有个性或记忆。这些人工智能体往往太容易改变主意，将所有分歧抹平，直到每个人都同意一个无聊的中立立场。这看起来不像现实生活，因为在现实中，人们往往顽固地保持分歧。

SCIOMIND 登场了。

本文作者构建了一个名为SCIOMIND的新模拟框架。把它想象成一个“数字社会”，其中的每个人工智能体不仅仅是一个聊天机器人；它们是拥有背景故事、个性以及真正重要的记忆的角色。

以下是其工作原理，分解为三个简单的概念：

1. “锚定”效应（沉重的锚）

在现实生活中，如果你基于自己的生活经历长期相信某件事，就很难说服你改变。你有一个“锚”将你的观点固定在原位。

本文的创新： SCIOMIND 为每个人工智能体提供了一个记忆锚。这个锚是由他们过去的经历和记忆构建而成的。
类比： 想象每个体都是一艘船。锚就是他们的过去。如果锚很重（个性强烈或经历深刻），即使风（他人的观点）吹得很猛，船也不会移动太多。如果锚很轻，船就很容易被吹走。
为何重要： 这阻止了人工智能过快改变主意。它创造了一种感觉真实的“固执”，防止模拟迅速崩溃为一种无聊的共识，即所有人都立刻达成一致。

2. “四层”记忆（文件柜）

真实的人类不仅仅记得五分钟前发生的事情；我们有长期记忆，我们会反思自己的一天，并且拥有用于当前对话的“工作记忆”。

本文的创新： SCIOMIND 为体提供了一个包含四个层次的复杂记忆系统：
1. 情景记忆： 短期记忆（聊天中刚刚发生的事情）。
2. 语义记忆： 长期记忆（事实和过往信念的图书馆）。
3. 程序性记忆： 一套关于如何行为的“规则”（就像待办事项清单）。
4. 反思： 一种特殊的记忆，体在其中思考为什么他们改变了主意或他们的感受如何。
类比： 把这想象成侦探的案件档案。他们有用于当前线索的便签（情景记忆），有过去案件的庞大档案（语义记忆），有调查规则手册（程序性记忆），还有记录他们理论的日记（反思）。这有助于人工智能基于丰富的历史做出决策，而不仅仅是基于它读到的最后一句话。

3. 动态画像（鲜活的角色）

通常，人工智能体被赋予一个静态标签，如“男性，30 岁，律师”。他们永远保持那样。

本文的创新： SCIOMIND 创建了具有动态画像的体。他们的个性（如思想开放程度或条理性）是从现实世界数据和特定群体的混合中抽取的。他们的信念以及持有这些信念的理由，会随着互动而演变。
类比： 与其给戏剧中的每个演员相同的剧本和服装，SCIOMIND 赋予他们独特的传记、特定的恐惧和希望，并让他们根据对话对象进行即兴发挥。

他们发现了什么？（结果）

研究人员在现实世界的辩论中测试了该系统，例如推翻罗诉韦德案（堕胎权）以及澳大利亚提议的社交媒体禁令。

真实性： 该模拟成功重现了极化（群体变得更加极端）和回声室（人们只倾听那些同意他们观点的人），这些在现实生活中很常见，但很难让人工智能做到。
稳定性： 如果没有“锚定”功能，人工智能体很快就会相互达成一致，变得无聊且中立。有了锚定，他们保持了独特且顽固的观点，就像真实的人类一样。
个性很重要： 模拟显示，具有“开放”个性的体更频繁地改变主意，而具有“尽责”个性的体则坚持己见。这与真实的心理学研究相符。

核心结论

该论文认为，要真实地模拟人类社会，不能仅仅使用聪明的人工智能。你需要赋予该人工智能基于其过去的记忆、个性和顽固的锚。SCIOMIND 做到了这一点，创造了一个数字社会，其争论、分歧和演变的方式，看起来更像真实人类观点那个混乱而迷人的世界。

关于局限性的说明： 作者谨慎地指出，虽然这看起来像现实生活，但它仍然是一个模拟。它无法完美预测真实的选举结果，也无法捕捉人类情感的完整深度（如极度的愤怒或仇恨言论），因为人工智能被编程为安全且礼貌。它是研究观点如何形成的工具，而不是预测未来的水晶球。

SCIOMIND 技术摘要：认知 grounded 的多智能体社会模拟

问题陈述

当前用于研究社会舆论动态的基于大语言模型（LLM）的多智能体模拟存在两个截然不同的局限性：它们要么依赖于固定、简化的更新规则，缺乏足够的认知基础（传统的基于代理模型）；要么将信念改变完全委托给不受约束的 LLM 交互。后一种方法往往导致“过度平滑”，即智能体过快收敛至中立或共识立场，无法捕捉现实人类辩论中观察到的持久分歧、有界极化以及细微的推理过程。此外，现有系统通常缺乏对信念影响动态的显式表征、抗变机制，以及超越静态人口统计特征的动态演化的内部特质。

方法论

作者提出了 SCIOMIND，这是一个通过三个核心架构组件将结构化舆论动态与基于 LLM 的推理相结合框架：

1. 基于锚定的信念动态

受认知心理学中锚定效应的启发，SCIOMIND 将信念更新建模为一种以记忆为锚定的过程。智能体 $i$ 在时间 $t$ 的信念 $b_{i,t}$ 通过社会影响、自我权重和锚定拉力的加权组合进行更新：
$b_{i,t+1} = (1-\rho_i) \left[ (1-\lambda_i)b_{i,t} + \lambda_i S_{i,t} \right] + \rho_i m_{i,t}$

社会影响 ( $S_{i,t}$ )：在有界置信度下，整合了信任加权的影响和信念同质性。
锚定强度 ( $\rho_i$ )：通过 Sigmoid 映射从智能体的大五人格特质（特别是开放性和尽责性）推导得出。这引入了说服力的异质性；例如，低开放性和高尽责性会增加对改变的抵抗力。
动态锚 ( $m_{i,t}$ )：与静态初始锚点不同，该参考点基于智能体在长期记忆中积累的经验进行演化。

2. 认知 grounded 的记忆架构

该系统实施了一个受认知科学 BDI 模型启发的四层记忆系统：

情景记忆：近期交互的固定容量滑动窗口（工作记忆）。
语义记忆：一个无限制的、以语料库为种子并通过 FAISS 索引的存储库。它从基于社交媒体的语料库中检索独特的经验历史进行初始化，为信念锚定提供基础。
程序记忆：一组可执行例程，由先决条件、优先级和情绪调节函数定义。
反思记忆：智能体在每个时间步后生成自我反思，总结信念转变和置信度水平。这些反思反馈到锚定模块，形成一个闭环，其中积累的反思加强了信念锚定。

3. 动态智能体画像与模拟引擎

智能体不再使用静态的人口统计标签，而是分配动态画像，这些画像源自基于社交媒体语料库的检索管道。这些画像包括叙事身份、基于群体条件的 OCEAN 人格先验以及理由聚类。

关系挖掘：引擎基于潜在的社会圈子（共享属性、立场、兴趣）和特征相似性构建社交网络，分配信任权重和关系类型（例如，朋友、影响者）。
场景对齐采样：系统支持多种采样策略（分层、配额、滚雪球），以平衡或特定的立场分布初始化模拟。

模拟循环将这些组件与人在回路的校准步骤相结合，领域专家在此步骤中评估涌现模式（极化、聚类），以优化锚定强度和有界置信度等参数。

主要贡献

基于锚定的信念动态：一种新颖的更新规则，其中对舆论改变的抵抗力由源自记忆的、以人格为条件的锚定强度动态调节。
认知记忆架构：一个四层记忆系统，明确将情景、语义、程序和反思机制与信念形成及持久性联系起来。
动态智能体画像：一个用从语料库中检索的叙事身份取代静态人设的管道，结合基于群体条件的 OCEAN 先验，生成不断演化的、内部 grounded 的智能体画像。
评估框架：一种人在回路的设计，将模拟参数与现实世界的社会动态进行校准，以提高行为真实性和可解释性。

结果与评估

作者通过对现实世界政策辩论的案例研究评估了 SCIOMIND，包括推翻《罗诉韦德案》、澳大利亚社交媒体禁令以及美国总统大选。

行为真实性：与基线相比，该框架在极化、多样性、极端化和轨迹稳定性指标上始终有所改善。
锚定效应：在《罗诉韦德案》案例中，模拟保持了持久但有界的分歧（方差： $0.3559 \pm 0.003$ ）和双峰舆论结构，避免了非锚定模型中观察到的快速共识收敛。
依赖人格的说服力：具有高开放性和低锚定强度的智能体改变意见的频率是低开放性和强锚定强度智能体的 3–4 倍，这与人类行为模式相符。
消融研究：移除锚定组件导致“过度平滑”，智能体坍缩至共同的中立区域。加入锚定恢复了适度的极端化和稳定的激进化模式。
因果分析：在澳大利亚社交媒体禁令模拟中，系统揭示收敛是通过立场群体间不同的信念运动发生的，而非统一转变，且议程设置集中在“青年心理健康”等特定议题枢纽周围。

意义与主张

该论文声称，SCIOMIND 通过整合认知科学原理来解决当前方法的不稳定性和缺乏真实性的问题，为基于 LLM 的社会模拟提供了一种新颖的解决方案。

认知基础：该设计提供了一种机制，其中信念持久性源于积累的经验（锚定）而非任意的惯性，这与政治心理学中报道的模式相一致。
稳定性与真实性：该框架成功防止了舆论的“过度平滑”，允许回声室、依赖人格的说服力以及记忆驱动的信念持久性涌现，这些在定性上反映了现实世界的现象。
可解释性：通过结构化信念更新和记忆检索，该系统提供了可解释的模型，用于推断群体对先前信念的韧性以及有效的有界置信度水平。

作者强调，虽然该模拟捕捉了现实世界舆论动态的关键定性模式，但它是对基于议题的推理的探索性重构，而非对特定选举结果的验证性预测，特别是指出了 LLM 训练数据在代表多样化文化和社会经济背景方面的局限性。