《AgentSociety》 2026.3.8

幻墨如烟576
43 阅读20分钟

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

📖 摘要

  这篇论文提出了一个面向社会科学的大规模社会模拟器 AgentSociety，通过把由大语言模型驱动的社会生成智能体（LLM-driven social generative agents）、逼真的社会环境（societal environment）和可扩展的仿真引擎（simulation engine）整合起来，在超过 1 万名智能体、约 500 万次交互的规模上复现了极化、煽动性信息传播、普惠基本收入和飓风冲击等社会现象，展示了生成式社会科学（generative social science）作为一种新研究范式的潜力。

一、论文基本信息

  • 论文标题：AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society
  • 作者：Jinghua Piao、Yuwei Yan、Jun Zhang、Nian Li、Junbo Yan、Xiaochong Lan、Zhihong Lu、Zhiheng Zheng、Jing Yi Wang、Di Zhou、Chen Gao、Fengli Xu、Fang Zhang、Ke Rong、Jun Su、Yong Li
  • 作者机构：清华大学电子工程系、北京信息科学与技术国家研究中心（BNRist）、清华大学社会科学学院经济学研究所、清华大学公共管理学院
  • 出处：arXiv:2502.08691
  • DOI/链接：arXiv:2502.08691

二、研究背景与动机

问题背景

  长期以来，计算社会科学（computational social science）主要沿着两条路径推进：一条是解释，即寻找社会现象背后的机制；另一条是预测，即借助数据估计未来趋势。但如果只停留在“解释”与“预测”，我们对社会系统的理解仍然不够彻底。正如生成式社会科学（generative social science）所强调的那样，真正的理解，不只是描述世界，更是能够构造一个会运转的世界。   传统社会实验往往成本高、周期长、组织复杂，而且经常面临伦理与现实约束；而经典的基于智能体建模（agent-based modeling）虽然能做自下而上的社会模拟，却常常受限于智能体过于简化，缺乏真实的人类心理、语言交流能力与环境反馈机制。于是，一个更具“人味”的社会模拟器，成了这项研究真正想回答的问题。

现有方法的不足

现有社会模拟平台大多有三类短板：

  1. 智能体不够像人：许多方法仍依赖规则、方程或浅层行为设定，难以生成真实、细腻、语言驱动的人类行为。
  2. 环境不够像社会：有的平台只提供文本环境（text-based environment）或游戏环境（game environment），难以承载城市、社交、经济三类空间的复杂反馈。
  3. 规模不够大、研究工具不够全：很多系统只能支持小规模实验，且并不真正面向社会科学研究流程，缺少访谈（interview）、问卷（survey）、干预（intervention）等工具。

本文动机

  这篇论文的核心动机很明确：做一个不仅能“演人”，还能“演社会”的系统。作者希望把由大语言模型驱动的智能体，从“会说话的角色”推进到“有心理、有需求、有关系、有行动、有环境约束的社会个体”；再进一步，把这些个体放进一个具有城市空间、社交空间和经济空间的真实社会环境中，最后通过高并发的大规模仿真引擎，让群体行为和社会现象真正涌现出来。 在这里插入图片描述 图1　论文先给出了一个用于评估 LLM 驱动社会模拟器的总体框架：从智能体心智（minds）、心智—行为耦合（mind-behavior coupling）、行为（behaviors）、社会环境（societal environment），一直到仿真规模与社会科学工具箱，完整勾勒出作者认为“像社会”的系统应具备哪些关键维度。 在这里插入图片描述 图2　AgentSociety 的总览图。整篇论文实际上就围绕这张图展开：左边是三大系统组件，右边是四类典型应用，结构非常清楚，也很适合作为阅读全篇时的导航图。

三、核心方法与创新点

核心思想

  AgentSociety 的核心思想，可以概括为一句话：

  用“有心智的个体 + 真实约束的环境 + 可扩展的交互系统”，去生成可研究、可干预、可比较的人工社会。

这件事听上去简单，真正难的是三层耦合：

  • 个体内部，如何把情绪（emotion）、需求（needs）、认知（cognition）组织成一个能驱动行为的“心智系统”；
  • 个体外部，如何让移动（mobility）、社交（social interaction）、就业与消费（employment & consumption）不只是孤立动作，而是真正嵌在社会环境中的连续行为；
  • 系统层面，如何让上万智能体在异步、并行、高吞吐的条件下持续互动，并且还能支撑问卷、访谈、干预等社会科学研究过程。

创新点拆解

1. 从“角色扮演”走向“社会存在”

  很多 LLM 智能体工作停留在角色扮演（role-play）层面：给定人设，让模型像某个人说话。但本文更进一步，把智能体拆成：

  • Profile & Status：基本画像与动态状态；
  • Mental Process：情绪、需求、认知；
  • Social Behaviors：移动、社交、就业与消费；
  • Memory Workflow：基于时间流的记忆机制。

  这样设计的意义在于：智能体不再只是“回答问题”，而是会在连续时间中生活、行动、积累经验并更新自身状态。 在这里插入图片描述 图3　论文对智能体结构的总设计图。左边是画像与状态，中间是情绪—需求—认知等心智过程，右边是社会行为，底部则是贯穿始终的工作流。它很好地体现了作者不是把“行为生成”当成提示词技巧，而是当成一个社会认知系统来搭。

2. 显式建模“情绪—需求—认知”

  在本文里，心智并不是一个模糊概念，而是被拆成三层：

  • 情绪（emotion）：对外界刺激的快速反应；
  • 需求（needs）：更稳定、更持久的行为动机；
  • 认知（cognition）：对环境、议题与他人的理解、判断与态度。

  作者借鉴了马斯洛需求层次（Maslow’s Hierarchy of Needs）、计划行为理论（Theory of Planned Behavior）等理论，把“为什么做某件事”从 LLM 的黑箱里往外拉了一步。这种显式建模的价值在于，它让行为不是“看起来像”，而是“能解释为什么像”。在这里插入图片描述 图4　这张图非常关键。它说明智能体内部不是一条单向链路，而是“心智—记忆—行为”相互反馈的循环系统。态度（attitude）、思维（thought）、需求（needs）与行为（behavior）之间不是孤立关系，而是一个持续更新的心理—行动闭环。

3. 把关键社会行为拆成专门模块

  作者并没有把所有行为都交给 LLM 一次性生成，而是把最关键的三类社会行为单独建模：

  • 移动行为（mobility）
  • 社会行为（social behaviors）
  • 经济行为（economic behaviors）

  这一步非常重要，因为现实中的社会行为从来不是一句自然语言输出，而是带有空间、关系和资源约束的复合过程。

（1）移动行为：需求如何变成“去哪里”

  论文把移动行为分成四步：

  1. 意图提取（intention extraction）
  2. 地点类型选择（place type selection）
  3. 半径决策（radius decision）
  4. 地点选择（place selection）

  其中地点选择采用引力模型（Gravity Model）：

Pij=Sj/Dijβ∑Sk/DikβP_{ij} = \frac{S_j / D_{ij}^{\beta}}{\sum S_k / D_{ik}^{\beta}}

  这里，SjS_j 表示地点吸引力，DijD_{ij} 表示距离，β\beta 表示距离衰减系数。这个设计很聪明：它一方面减少了 LLM 的推理负担，另一方面又把人的空间偏好——比如就近原则、集聚效应——编码进了系统。在这里插入图片描述 图5　移动行为并不是“从 A 到 B”的简单跳转，而是由需求与计划触发，再结合地图、天气、温度等环境变量，逐步落实为实际地点选择。对想做城市行为模拟的人来说，这张图很有参考价值。

（2）社会行为：关系、交流与影响传播

  社会行为模块建立在三类关系之上：

  • 家庭（family）
  • 朋友（friends）
  • 同事（colleagues）

  每条关系有强度，智能体会根据关系类型与强弱来决定联系谁、怎么说、是否安排线下见面。消息内容还会受到当前需求、情绪、认知和历史互动的共同影响。换句话说，社交不是随机发消息，而是有对象、有语气、有上下文的。 在这里插入图片描述 图6　这张图把社交行为放在了认知、经济、移动和社交网络之间，说明社交本质上是一个“连接器”：它既传播信息，也反馈情绪，还可能触发工作、消费与移动。

（3）经济行为：把就业、消费与宏观系统接起来

  论文中的经济行为重点模拟了两类倾向：

  • 工作倾向（work propensity）
  • 消费倾向（consumption propensity）

  智能体会根据工资、价格、税收、历史消费等因素调整月收入与月消费预算；这些微观行为再被嵌入政府、银行、企业、统计机构组成的宏观经济模拟框架中。虽然它还没有完整建模劳动市场和商品市场，但已经能支撑政策实验，比如本文后面做的普惠基本收入（Universal Basic Income, UBI）实验。在这里插入图片描述

图7　经济行为模块把家庭、商店、企业、银行、政府和市场动态串在了一起。它并不追求经济学意义上的极致复杂，而是强调“够真实、能互动、可做干预实验”。

4. 用流式记忆把心智和行为真正连起来

  记忆（memory）是整套系统的“中轴”。作者把记忆分成：

  • Profile：相对静态的个人画像
  • Status：动态状态
  • Stream Memory：按时间排列的事件流与感知流

  行为发生后，事件会被写入 Event Flow，智能体对事件的感知与评价则写入 Perception Flow；接着，情绪、认知、需求被更新，再影响下一轮决策。这种设计让智能体拥有了一种“时间中的连续性”，而不只是每轮调用都像从头开始。在这里插入图片描述 图8　这是全文最能体现“人味”的图。需求生成计划，计划落实为移动、社交、经济等行为；行为又进入记忆，并反过来更新情绪、态度与思考。整个过程非常接近我们理解的“生活经验塑造下一步行为”的机制。

四、实验与结果分析

数据集

  这篇论文并不是只在一个玩具环境里跑若干 demo，而是为不同模块接入了真实世界的数据来源与规则系统：

  • 城市空间：使用 OpenStreetMap 中的路网、AOI（Area of Interest）和 POI（Point of Interest）信息构建城市空间；
  • 社交空间：建立社交网络，并引入平台监管者（supervisor）模拟内容过滤、封禁与连接切断；
  • 经济空间：构建企业、银行、政府、统计机构等宏观经济实体；
  • 飓风实验：使用 SafeGraph 数据与 Census Block Group（CBG）数据模拟飓风期间的人类移动行为。

基线模型

  作者在系统能力比较中，将 AgentSociety 与多类已有工作进行了对照，包括：

  • D2A
  • EconAgent
  • OASIS
  • Generative Agents
  • GenSim
  • Project Sid
  • S3
  • HiSim
  • Sotopia
  • Casevo 等

  从论文的比较表来看，AgentSociety 的优势主要体现在三个方面：

  1. 能力维度更全：同时覆盖心智、行为、环境与心智—行为耦合；
  2. 系统规模更大：支持超过 1 万名智能体；
  3. 研究工具更接近社会科学流程：支持问卷、访谈与干预，而不只是“让一堆智能体跑起来”。 在这里插入图片描述

4.1 社会环境与系统设计

  在环境层面，论文把整个社会环境分成三类空间：城市空间、社交空间和经济空间，并让三类行为分别与之对接。这个设计是本文和许多“纯智能体系统”最本质的区别：环境不再只是一个背景板，而是一个持续产生约束与反馈的真实系统。在这里插入图片描述 图9　城市空间负责移动，社交空间负责线上线下互动，经济空间负责就业、消费、税收、利率与 GDP 等指标。对社会模拟来说，这张图的重要性在于：它明确把“社会”拆成了可执行、可交互、可反馈的多层基础设施。   系统层面，作者进一步构建了一个适合大规模异步仿真的执行架构。智能体之间不靠严格的顺序调用协同，而是像现实社会那样，通过消息系统彼此影响；系统则用 Ray（分布式计算框架）、asyncio（异步 I/O）和 MQTT（消息通信协议）来支撑高并发执行。在这里插入图片描述 图10　这张图展示了 AgentSociety 的工程骨架：共享服务层包括 LLM API、MQTT 服务器、数据库和指标记录器；每个实验有自己的环境模拟器和多个 agent group；前端 GUI 则提供实时观察、问卷和交互能力。在这里插入图片描述 图11　论文解释了为什么要用分组执行（group-based execution）：如果每个智能体都是一个独立进程，会迅速耗尽 TCP 端口和通信资源。把多个智能体装进一个 group，再结合异步调用，可以显著提升可扩展性。在这里插入图片描述 图12　MQTT 的引入很有意思。作者把社会智能体之间的交流类比为物联网（IoT）设备间的消息传输：目标明确、量大、并发高、时延相对不敏感。这个类比很工程化，也很有效。

4.2 系统性能

  论文单独评估了环境性能、消息系统性能与整体仿真性能。   先看大规模执行时的分布情况： 在这里插入图片描述

图13　四张图分别展示了输入 token、输出 token、LLM 调用时延和环境调用时延的分布。很直观地说明：并行化不会显著改变 token 使用结构，但会显著影响整体耗时表现。   此外，作者还总结了实验配置概览，以及系统在真实地图上的可视化运行效果：在这里插入图片描述 图14　这里把“一天生活”“极化”“煽动性消息传播”“UBI”“飓风冲击”等实验串在一起，非常适合读者快速理解整篇论文的实验版图。 在这里插入图片描述

图15　左图是大规模模拟的空间可视化，右图是单个智能体的一天生活轨迹。它提醒我们，这套系统既能看宏观人群，也能钻进微观个体。   从性能结果来看，作者认为系统瓶颈主要还是在 LLM API 调用，而不是环境模拟本身。随着 group 数量增加，整体每轮执行时间明显下降；环境调用仍维持在毫秒级，说明内部环境引擎本身并不是主要短板，真正限制规模的仍是大模型推理成本。

4.3 四类核心实验

（一）极化（Polarization）

  极化实验讨论的是一个经典社会问题：为什么群体讨论会越吵越两极？   作者围绕枪支管制（Gun Control）议题设置了三种条件：

  • 控制组：自然互动，不施加外部定向信息；
  • 同质互动组（homophilic interaction）：只接触与自己立场一致的说服信息；
  • 异质互动组（heterogeneous interaction）：只接触与自己立场相反的信息。在这里插入图片描述

图16　这组结果非常直观：控制组中，39% 的智能体变得更极化，33% 变得更温和；同质互动组中，52% 变得更极化，显示“回音室”（echo chamber）会放大立场分裂；异质互动组中，89% 变得更温和，11% 甚至被说服转向。

定量结果
  • 控制组：39% 更极化，33% 更温和；
  • 同质互动组：52% 更极化；
  • 异质互动组：89% 更温和，11% 转向对立观点。
定性分析

  这个结果其实很有意思。它并不是简单地说“多元信息一定更好”，而是说明接触单一同温层信息，确实更容易把观点推向两端。相反，当个体持续接触相反观点时，虽然未必会立即转变立场，但整体会朝更温和的位置移动。这与现实中的公共讨论空间治理，有很强的对应关系。

（二）煽动性信息传播（Spread of Inflammatory Messages）

  这部分实验关注的是：带有煽动性、情绪性、甚至不准确信息的内容，是如何在社交网络中传播的；平台的不同治理方式，又会带来怎样的效果。   作者基于“徐州铁链女事件”构造实验，设置：

  • 控制组：投放非煽动性种子消息；
  • 实验组：投放带有选择性表达和情绪强化的煽动性消息；
  • 节点干预（node intervention）：反复发布有害内容的账号被停用；
  • 边干预（edge intervention）：检测到煽动性内容经过某条连接时，切断这条连接。在这里插入图片描述 图17　左图是信息传播范围随时间的变化，右图是情绪强度随时间的变化。总体看，煽动性信息比普通内容传播得更快、更广，也更容易抬升群体情绪强度。节点级干预比边级干预更有效。
定量结果
  • 煽动性消息的传播范围显著高于普通消息；
  • 节点干预优于边干预；
  • 煽动性消息会显著提高群体情绪强度。
定性分析

  作者还对智能体进行了访谈，分析它们为什么会转发这些内容。在这里插入图片描述 图18　词云中高频词集中在 sympathy、worry、rights、public、authorities 等附近，说明分享这类信息并不只是“猎奇”，还包含情绪共鸣、社会责任感与公共议题参与感。

  这点很有启发：很多有害信息之所以传播，并不单纯因为用户“不理性”，而是因为它们击中了某种道德情绪、同情心与公共责任感。也就是说，治理这类传播，不能只靠删帖或屏蔽，还需要理解转发背后的心理机制。

（三）普惠基本收入（Universal Basic Income, UBI）

  UBI 是一个极具争议的话题：给每个人无条件发钱，真的会改善生活吗？会不会伤害劳动激励？会不会拉动消费？   作者基于美国得州（Texas）人口分布构造两个宏观经济模拟：

  • 无 UBI
  • 有 UBI：每个智能体每月无条件领取 1000 美元

  先看经济系统随时间的总体演化：在这里插入图片描述 图19　随着仿真推进，真实 GDP 与消费曲线逐渐趋于稳定，说明系统不是随机震荡，而是在形成一个可比较的经济动态过程。   然后在第 96 步引入 UBI，比对之后 24 步的经济与社会指标： 在这里插入图片描述 图20　引入 UBI 后，消费水平上升，抑郁水平下降。论文认为，这一趋势与得州 UBI 现实实验观察到的方向是一致的。

定量结果
  • UBI 提升了消费水平；
  • UBI 降低了抑郁水平（通过 CES-D 问卷衡量）。
定性分析

  作者还让智能体表达对 UBI 的看法：在这里插入图片描述 图21　词云里较突出的词包括 interest rates、essential goods、savings、long-term、benefit 等，说明智能体并不是把 UBI 理解成“白拿钱”，而是把它与储蓄、必需品支出、长期保障联系起来。   这部分实验最有意思的地方，不在于它“证明 UBI 一定有效”，而在于它展示了一个可能性：社会政策可以先在一个高保真社会模拟器里跑一遍，再决定要不要上真实社会。

（四）飓风外部冲击（External Shocks of Hurricane）

  最后一组实验关注极端天气事件对人类移动行为的影响。作者以 2019 年影响美国东南部的多里安飓风（Hurricane Dorian）为背景，以南卡罗来纳州哥伦比亚市（Columbia, South Carolina）为研究对象，结合 SafeGraph 与 CBG 数据，模拟 1000 个社会智能体在飓风来临前、中、后的移动变化。在这里插入图片描述 图22　活动水平（activity level）在飓风前大约维持在 70%–90%，飓风登陆时骤降到约 30%，之后逐步恢复。这个趋势和现实中人类面对灾害时的避险行为高度一致。 在这里插入图片描述 图23　模拟结果与真实数据在时间趋势上较为一致：8 月 30 日左右出行明显下降，9 月初恢复。虽然峰值阶段仍有偏差，但整体节律已经相当接近真实世界。

定量结果
  • 飓风到来时，活动水平明显下降；
  • 模拟出行曲线与真实日出行曲线趋势基本一致。
定性分析

  这组实验说明，AgentSociety 并不只是适合“网上吵架”或“政策实验”这类议题，它也可以研究环境冲击如何穿透到个体行为层面。也就是说，它不只是一个社交模拟器，更是一个可以研究“社会—空间—环境”耦合系统的平台。

五、总结与展望

论文贡献

  我觉得这篇论文最核心的贡献，可以概括成三点：

  1. 提出了一个真正意义上的“大规模社会模拟器”
    不是只做若干会对话的智能体，而是让智能体、环境和执行引擎协同工作，形成一个可生活、可互动、可研究的人工社会。

  2. 把“像人”与“像社会”连接起来
    过去很多工作只能二选一：要么个体逼真、规模很小；要么系统很大、个体很假。AgentSociety 试图把这两件事同时往前推。

  3. 把社会科学方法嵌进了 AI 系统
    它不仅能跑模拟，还支持问卷、访谈和干预，这意味着它不只是一个工程系统，更是在向“社会科学实验平台”靠近。

个人思考

  这篇文章最打动我的地方，不在于“又做了一个多智能体系统”，而在于它认真回答了一个更大的问题：如果我们想让 AI 真正帮助理解社会，我们到底应该模拟什么？   作者的答案是：不是只模拟对话，不是只模拟决策，而是要模拟一个人在社会中的存在方式——有情绪，有需求，有关系，有空间约束，有经济压力，也会被环境冲击改变。   当然，这套系统仍然有明显边界：

  • 它的“真实”仍然建立在模型能力与规则设计之上，不等于真实社会本身；
  • 它的经济部分仍是简化版，劳动市场、商品市场、制度反馈还可以继续细化；
  • 它的大规模运行仍高度依赖 LLM 推理成本，这会直接限制可重复性与推广性。

  但即便如此，这篇论文依然很重要。因为它让人看到，生成式社会科学（generative social science）也许不再只是概念，而正在变成一个可以真正做实验、做比较、做政策沙盘的技术方向。   如果说传统计算社会科学更像“看社会”，那么 AgentSociety 想做的，是把社会重新造一遍，然后在里面提问。这件事，值得认真对待。

avatar
文章
阅读
粉丝