大模型驱动的社会模拟研究

社会实验，作为一种典型的社会科学研究方法，通过观察个体、组织或社会群体在真实或模拟环境中的行为反应，以研究特定社会现象或政策的影响。然而，传统社会实验方法因随机偏误、成本限制、伦理风险等问题，难以满足日益复杂的研究需求。在此背景下，计算社会实验应运而生，研究者能够依托于计算模拟环境，开展不受随机偏误限制、低成本且风险可控的社会实验。与此同时，我国正处于转型发展的关键时期，经济转型、社会矛盾、多元化诉求与全球化冲击等复杂问题日益凸显。这些问题已超出传统社会实验的适用范围，对于计算社会实验及其模拟环境的规模、复杂度和真实性提出了更高要求。为满足学术研究和国家战略双重需求，亟需构建大型社会模拟器，以实现对复杂社会系统的大规模、高精度模拟，支撑多种计算社会实验，推动新一代社会实验的发展。介绍了社会实验的概念与方法，并从学术发展与国家战略需求的双重视角，论述了构建大型社会模拟器的必要性及其应用价值。介绍了大模型技术在人类行为仿真领域的研究进展，并分析了其在提高社会模拟真实性方面的技术优势。提出了大型社会模拟器的整体方案，并通过经济系统模拟、社会网络模拟和认知极化模拟3个典型案例，验证了所提方案在不同领域社会实验中的真实性与广泛适用性。展望了大型社会模拟器在模拟核心技术发展、社会科学实验平台构建、社会治理应用、规范标准和政策监管等方面的未来研究方向和发展趋势。

随着大语言模型（large language models, LLMs）与生成式智能体技术快速发展，社会模拟正在从以手工规则为主的传统智能体建模，迈向以语义生成、情境交互与实验编排为特征的新阶段。与经典方法相比，基于LLMs的社会智能体在语言表达、情境理解、角色扮演与复杂行为生成方面具有显著优势，使大型社会模拟器开始具备更强的行为真实性、更丰富的交互机制以及更广阔的应用空间。大型社会模拟器的关键意义，已不再只是“构造一个可运行的虚拟社会”，而在于形成一个面向复杂社会系统的可开发、可验证、可应用的新型实验平台与软件系统。本文围绕这一变化，从技术演进、系统开发、可信验证、应用治理与未来发展5个方面展开分析，并以大型社会模拟器AgentSociety 为代表性案例，讨论其在政策预评估、舆论预推演、风险治理、城市治理与复杂社会系统研究中的潜在价值。本文认为，LLMs驱动的大型社会模拟器正在推动社会模拟从研究工具走向应用基础设施，并有望成为连接人工智能、社会科学与国家重大需求的重要技术底座。

大语言模型技术的突破性发展为社交网络研究提供了强大工具，推动社交网络多智能体仿真进入全新发展阶段。梳理了人工智能、心理学、传播学、社会学等多学科融合视域下，大模型驱动的社交网络多智能体仿真研究的最新进展，总结出该领域逐渐形成的涵盖微观个体行为、中观互动关系与宏观系统涌现的三层研究体系 。 微观层面的研究聚焦人类个体仿真，许多研究工作通过融合心理学理论与大模型来构建具有复杂认知-情感架构的“人性化”智能体；中观层面关注人类社交交互行为仿真，主要研究智能体间的动态互动与关系演化；宏观层面致力于通过仿真手段揭示信息传播、群体极化等复杂社会现象的涌现机制。归纳了各层次研究中的关键理论、技术路径及跨学科融合案例，分析了当前研究在智能体行为效度验证、生成不确定性和计算成本等方面面临的挑战。展望了虚实联动验证、标准化评估基准构建、记忆与计算效率优化等未来研究方向。

随着生成式LLM能力的持续演进，其在社会认知模拟中的应用逐渐展现出范式级变革的潜力。传统社会仿真方法多依赖静态规则和简化行为模型，难以捕捉人类社会行为的动态演化和文化复杂性。基于LLM驱动的智能体因具备上下文理解与自然语言生成能力，成为建模社会认知机制的新兴工具，能够模拟诸如身份建构、价值判断、意图推理等复杂社会心理过程。简要介绍LLM的技术基础，指出使用LLM智能体与社会认知模拟的适配性；构建了一个涵盖属性建模、记忆管理、规划与行动的智能体社会认知建模框架；在模拟流程层面，提出“数据收集-智能体协同-多维评估”的技术链条，并探讨认知可解释性与模拟现实对齐等挑战；总结了当前在社会学、经济学、军事学等方面的应用进展，并讨论LLM社会认知模拟的前沿趋势与未来发展方向。

大学生群体面临的心理健康挑战日趋复杂, 而传统高校心理咨询模式存在一定局限。为此, 本研究创新性地提出一种融合心理学与人工智能的技术框架：通过将心理咨询垂域知识与数据融入基座大模型, 构建由测评师、咨询师、督导师三类心理咨询智能体与大学生智能体共同组成的“测评−咨询−督导”多智能体协作系统。系统采用“内循环训练−外循环服务”双循环模式, 在“内循环训练”阶段, 测评师、咨询师智能体与大学生智能体通过虚拟场景交互模拟真实咨询流程, 并利用督导师智能体的反馈优化服务策略, 积累个性化咨询档案与多流派干预经验; 在“外循环服务”阶段, 心理咨询智能体基于“内循环训练”成果, 为真实来访大学生提供专业化、精准化的心理测评与干预服务。系统有望成为大学生心理咨询的有效辅助工具, 助力高校心理健康服务。

传统施工仿真方法通常依赖预设规则或静态调度机制，难以通过动态适应多班组施工场景模拟复杂约束下的交互决策，无法解决因工序依赖和空间占用造成的人力闲置问题。提出了一种基于大语言模型智能体的多班组施工过程仿真方法， 构建了具备施工场景理解和推理能力的分布式班组智能体与中心化项目经理智能体，设计了“单经理多班组”施工多智能体交互决策机制，模拟在工序、空间与资源约束下的自主决策与协同机制 。仿真结果表明：该方法能针对不同场景生成高效的施工流程，并涌现出适于场景的宏观施工策略，能够在“零样本”条件下生成多班组调度方案，无需迭代优化和训练即可达到领域先进调度算法水平，实现了案例项目人力资源的优化配置。

本研究聚焦生成式人工智能(Artificial Intelligence Generated Content, AIGC)情感传染这一新兴课题, 系统探讨其与传统人际情感传染、数字情感传染的本质差异, 提出“扮演−调节”机制作为理论框架。研究发现AIGC情感传染具有交互主体性、知识依附性、非威胁性与去身份化、道德性这四大特性, 共同支撑AIGC情感传染的“扮演−调节”机制; AIGC通过算法模拟人类情感表达模式(即“扮演”), 同时根据用户实时反馈动态优化交互策略(即“调节”), 形成持续迭代的人机情感闭环。“扮演−调节”机制突破人类中心主义范式, 构建了跨主体情感理论、揭示了算法作为主动情感调节者的新角色, 已被应用于心理健康干预、传播学及教育激励等领域。AIGC情感传染研究拓展了情感传染理论外延, 为理解人机情感交互提供了新视角, 但也面临多学科整合难题、多模态情感测量的复杂性、跨文化适配障碍, 以及算法偏见导致的情感误导风险等挑战。

随着人工智能与计算机技术迅猛发展，仿真技术也取得了跨越式发展，有力推动了仿真学科逐步走向成熟。综述了国内外相关计算机仿真技术研究进展，阐述了仿真定义与内涵，建议中文“仿真”“仿效”和“模拟”都统一为“仿真”，英文“Simulation”“Emulation”和“Analog”统一翻译为“Simulation”；定义了仿真科学与工程学科，总结了仿真科学与工程的相似理论、计算理论、模型验证理论3种基础理论，并建议一级学科为仿真科学与工程；归纳提出了仿真科学与工程的数值仿真、统计仿真、智体仿真、视景仿真与共生仿真5种理论与方法，并将其建议为二级学科；分析概括了人工智能时代的仿真应用；从5个方面给出了人工智能时代的计算机仿真技术进展，详细阐述机器学习、深度学习、强化学习、生成对抗网络、物理信息神经网络、大语言模型在计算机仿真领域的应用。

以AlphaFold和ChatGPT为代表的人工智能，正在改变整个人类社会，驱动科学研究也驱动人文社会科学研究新范式的形成。“人工智能驱动的人文社会科学研究（AI4SS）”又称人文社科研究第五范式。与分别基于实验、基于理论、基于仿真、基于数据驱动的科学研究第一、二、三、四范式不同，人文社科研究第五范式具有AI全学科全过程赋能人文社会科学研究、机器涌现的智能成为人文社会科学研究的组成部分、利用AI概率统计模型解决社会科学研究中的组合爆炸问题、AI为人文社会科学研究构筑多节点的复杂网络、AI虚拟现实促进人文社会科学理论研究与实践结合以及以大模型为特征的科研大平台成为人文社会科学研究的必需等六大特点。AI4SS引发人文社会科学领域的革命，在人文社会科学研究中全面驱动选题与学术史梳理、假设生成及假设论证的方法变革。为加快推进AI赋能人文社会科学研究方法变革，加快面向其研究的开源开放大模型建设是必需的。

为研究当今社会网络群体行为选择的影响因素及演化机理，本文根据网络社会行为个体与力学中“粒子”的相似性，运用社会物理学研究方法，设计事件契合变量、政府影响变量、个体能力变量、信息导向变量等4个影响因素变量，描述各个变量的属性.事件契合变量包括事件敏感度、与公众经历的契合，政府影响变量包括沟通力、公信力、处置力度，个体能力变量包括认知能力、心理状态、行为状态，信息导向变量包括信息对称性、公正性、权威性.给出每一种影响因素的函数，建立不同要素之间的影响模型.在对五年来网络热点事件调研和主要媒体在不同阶段对其报道情况统计的基础上，根据“抢盐事件”的文本分析网络群体行为演化过程，并通过Matlab仿真验证.结果表明：导火索事件控制的力度会直接影响到次生事件演化的程度，政府起着主导作用；主流媒体的公正性和权威性是影响网络群体行为演化的重要因素；导火索事件与公众的契合度对网络群体行为有一定影响，但不起绝对作用；公众个体的认知能力、心理承受能力和行为能力对网络群体行为有一定影响，认知能力越强、越理性客观的公众越不容易受到他人意见的左右.

情境化习题是联系数学概念与真实世界的重要载体, 对培养学生数学建模与应用能力具有关键作用. 然而, 现有基于大语言模型的习题编制方法容易使情境设计流于形式, 导致题干冗长花哨或偏离数学本质, 同时缺乏对学生认知差异的建模, 生成或改编而成的习题难以适配不同发展阶段. 因此, 提出一种基于多智能体协同与迭代优化策略的习题情境化改编框架, 以解决通用方法存在的情境失真、认知失配等困境. 该框架深度融合问题解决理论与教学支架理论, 首先定义多种类型的学生认知特征, 并系统梳理学生在解题各阶段可能出现的常见错误类型, 将其归因并映射为多种教学支架. 在此基础上, 构建包含习题生成、学生模拟与诊断、习题改进三大智能体的协同架构, 从教学支架视角为习题改进提供理论化、可操作的动作空间, 结合多种优化策略将情境化习题命制任务形式化为一个序列决策问题. 实验结果表明, 本框架改编形成的习题在情境相关、知识迁移、认知适配等方面均显著优于基线方法, 相关模块的设计在创设情境的同时能有效降低各类学生的非必要认知错误, 从而提升情境化习题质量, 以充分发挥其育人功能.

鉴于现实世界中消费者的购买决策普遍受到“朋友”的影响, 在Hotelling模型基础上,研究当消费者之间的社会关系网络满足“小世界”特性时,双寡头竞争下的产品定价策略。通过建立研究对象的多智能体模型,仿真分析了需求方的小世界网络对供应方的产品定价问题的影响。仿真结果表明市场中受他人影响的消费者数量越多,消费者受他人影响的程度越大,即消费者非完全理性程度增大,供应方能够通过抬高产品价格而获利。受到小世界网络结构的影响,其中一个供应方具有明显的价格和利润优势。并且,供应方的促销策略也因此有较大的差异。

元胞自动机CA(Cellular Automata)和多智能体ABM(Agent-Based Model)模型是土地利用格局和演化模拟的主流方法，两者在模拟自然因素影响和人文驱动机制方面具有突出优势，为LUCC研究提供了重要的工具。当前，ABM无论在模型构建还是应用研究方面，CA和ABM均取得了显著进展。论文从数据基础、模拟尺度、CA转换规则挖掘、ABM行为规则定义、CA和ABM的耦合4个方面梳理土地利用模拟模型和方法的研究进展。并总结这些模型在虚拟城市模拟与理论验证、真实城市模拟与规划预测以及多类用地模拟与辅助决策等方面的应用。最后，总结土地利用模拟模型在精细模拟和全球变化研究方面存在的局限性，认为未来发展将主要集中于解决从2维模型向3维模型发展、大数据与规则精细挖掘以及大尺度模拟与知识迁移等问题。

针对传统社会力模型在人群疏散过程中,难以处理行人轨迹单一、人群松散等问题,提出了一种改进的社会力模型。 在原有模型基础上,通过考虑行人疏散过程中运动方向的选择,改进行人疏散过程中的轨迹;然后考虑行人疏散过程中恐慌情绪和吸引力的强度,再现行人疏散运动过程中自组织行为,并进行个人及群组模式下的模拟仿真;引入真实视频中自组织群组形态进行对比,验证群组形态的真实性。 实验结果表明：改进后的行人模型更能真实地模拟行人运动轨迹,模型合理有效。