[論文レビュー] AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society

Jinghua Piao, Yuwei Yan+14 more|ArXiv.org|Feb 12, 2025

Multi-Agent Systems and Negotiation被引用数 3

ひとこと要約

AgentSocietyは、大規模な社会シミュレータを提供します。LLM駆動の生成エージェント、現実的な環境、そして高性能エンジンを用いて、最大1万人のエージェントと500万件のインタラクションを超える複雑な社会ダイナミクスを研究します。

ABSTRACT

Understanding human behavior and society is a central focus in social sciences, with the rise of generative social science marking a significant paradigmatic shift. By leveraging bottom-up simulations, it replaces costly and logistically challenging traditional experiments with scalable, replicable, and systematic computational approaches for studying complex social dynamics. Recent advances in large language models (LLMs) have further transformed this research paradigm, enabling the creation of human-like generative social agents and realistic simulacra of society. In this paper, we propose AgentSociety, a large-scale social simulator that integrates LLM-driven agents, a realistic societal environment, and a powerful large-scale simulation engine. Based on the proposed simulator, we generate social lives for over 10k agents, simulating their 5 million interactions both among agents and between agents and their environment. Furthermore, we explore the potential of AgentSociety as a testbed for computational social experiments, focusing on four key social issues: polarization, the spread of inflammatory messages, the effects of universal basic income policies, and the impact of external shocks such as hurricanes. These four issues serve as valuable cases for assessing AgentSociety's support for typical research methods -- such as surveys, interviews, and interventions -- as well as for investigating the patterns, causes, and underlying mechanisms of social issues. The alignment between AgentSociety's outcomes and real-world experimental results not only demonstrates its ability to capture human behaviors and their underlying mechanisms, but also underscores its potential as an important platform for social scientists and policymakers.

研究の動機と目的

• bottom-upの生成的社会シミュレーションが費用の高い実世界実験を置換し得ることの理解を促進する。
• 心理学に裏打ちされた心と欲求を持つLLM駆動エージェントが人間らしい行動を生み出す方法を示す。
• 大規模な相互作用と環境フィードバックを可能にするスケーラブルなシミュレーションプラットフォームを示す。
• 古典的な社会科学の方法（調査、インタビュー、介入）のテストベッドとしてのシミュレータを評価する。

提案手法

• minds、感情、欲求、認知を備えたLLM駆動の社会生成エージェントを導入する。
• エージェントの心的状態を mobility、social interactions、employment/consumption の三つの核心的社会行動に結びつける。
• エージェントの相互作用とフィードバックを grounding する現実的な都市–経済環境を設計する。
• 最大1万人のエージェントと日次約500インタラクションを可能にする分散計算とMQTTメッセージングを用いた大規模シミュレーションエンジンを構築する。
• 心と行動、結合メカニズムを社会科学研究ニーズと照合して評価するフレームワークを提案する。
• ポラリゼーション、過激なメッセージ拡散、UBI効果、ハリケーンショックの4つの現実世界の社会実験を再現することでプラットフォームを実証する。

実験結果

リサーチクエスチョン

• RQ1 LLM駆動エージェントが心理的に情報を取り入れた心を持つことで人間のような社会ダイナミクスを再現できるのか。
• RQ2 スケーラブルな環境とエンジンは現実世界で観察される創発的な社会現象を捉えられるのか。
• RQ3 AgentSocietyは伝統的な社会科学の方法（調査、インタビュー、介入）をどの程度支援できるのか。
• RQ4 大規模な人工社会では分極化、情報拡散、経済政策、外部ショックはどのように現れるのか。

主な発見

• シミュレータは日あたり平均約500インタラクションを伴い、最大1万人のエージェントをサポートする。
• AgentSocietyは4つの現実世界の社会実験（分極化、過激なメッセージ拡散、普遍的基本所得、ハリケーン）で観察される行動、結果、パターンを再現する。
• 本プラットフォームは一般的な社会研究方法（調査、インタビュー、介入）のテストベッドとして機能し、基盤となるメカニズムの調査を可能にする。
• シミュレーション結果と現実世界の実験との整合性は、社会ダイナミクスを分析し政策に情報を提供するプラットフォームの潜在能力を示している。