[論文レビュー] Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives

Chen Gao, Xiaochong Lan+6 more|arXiv (Cornell University)|Dec 19, 2023

Multi-Agent Systems and Negotiation被引用数 10

ひとこと要約

この論文は、大規模言語モデル（LLMs）がエージェントベースのモデリングとシミュレーションをどのように強化するかを調査し、課題を分析し、物理・サイバー・社会・ハイブリッドの領域に作品を分類し、今後の方向性を概説します。

ABSTRACT

Agent-based modeling and simulation has evolved as a powerful tool for modeling complex systems, offering insights into emergent behaviors and interactions among diverse agents. Integrating large language models into agent-based modeling and simulation presents a promising avenue for enhancing simulation capabilities. This paper surveys the landscape of utilizing large language models in agent-based modeling and simulation, examining their challenges and promising future directions. In this survey, since this is an interdisciplinary field, we first introduce the background of agent-based modeling and simulation and large language model-empowered agents. We then discuss the motivation for applying large language models to agent-based simulation and systematically analyze the challenges in environment perception, human alignment, action generation, and evaluation. Most importantly, we provide a comprehensive overview of the recent works of large language model-empowered agent-based modeling and simulation in multiple scenarios, which can be divided into four domains: cyber, physical, social, and hybrid, covering simulation of both real-world and virtual environments. Finally, since this area is new and quickly evolving, we discuss the open problems and promising future directions.

研究の動機と目的

• 自律性、社会的能力、リアクティビティ、プロアクティブ性を解決することにより、エージェントベースのモデリングとシミュレーションを強化するためのLLMsの活用を促進する。
• LLMを活用したエージェントの認識・推論・適応性・多様性の課題を体系的に分析する。
• 物理・サイバー・社会・ハイブリッドの領域全体で現在の研究を総合的にレビューする。
• LLM搭載エージェントの研究を導くため、未解決問題と将来の有望な方向性を検討する。

提案手法

• LLM搭載エージェントベースのモデリングとシミュレーションに関する既存文献のレビューと統合。
• 作品を整理し設計上の配慮を行うための4領域分類法（物理、サイバー、社会、ハイブリッド）。
• 認知・推論・適応性・異質性に対するエージェントの能力要件と、LLMsが認識・推論・適応性・異質性にどう対応するかの分析。
• 環境構築・インターフェース・人間の適合性・個別化を、設計上の中核課題とアプローチとして議論する。

実験結果

リサーチクエスチョン

• RQ1 ABMSにおけるエージェントに求められる中核能力は何か、LLMsは認識・推論・適応性・異質性にどう対処できるか。
• RQ2 効果的なLLMベースのエージェントを実現するためのABMS環境とインターフェースはどう構築できるか。
• RQ3 LLM搭載エージェントにとる人間への適合性と個別化の主要な課題は何か、これらを解決する方法は何か。
• RQ4 LLMを活用したABMSにおけるスケーリング・オープン性・頑健性・倫理に関する未解決問題と将来の方向性は何か。

主な発見

• LLM搭載エージェントは、ABMS内でより高い自律性、人間に似た対話、自己駆動型の計画を提供する可能性がある。
• 現在の研究は物理・サイバー・社会・ハイブリッドの4領域にまたがり、それぞれ環境設計とエージェント相互作用の考慮点が異なる。
• 課題は主に環境構築・インターフェース、人間の適合性/個別化、行動選択、シミュレーションの評価に集中している。
• プロンプト設計とファインチューニングは、ドメイン知識と価値観をLLMエージェントへ整合させる主要なアプローチである。
• 未解決の問題には、シミュレーションのスケーリング、オープンなプラットフォームの創出、頑健性の向上、倫理的リスクの対応が含まれる。