[论文解读] Generative Agent-Based Modeling: Unveiling Social System Dynamics through Coupling Mechanistic Models with Generative Artificial Intelligence

Navid Ghaffarzadegan, Aritra Majumdar+2 more|arXiv (Cornell University)|Sep 20, 2023

Computational and Text Analysis Methods被引用 5

一句话总结

本文提出了生成式基于代理的模型（GABMs），这是一种新颖的框架，将大型语言模型（如ChatGPT）与机制性基于代理的模型相结合，以模拟社会系统中的人类决策行为。通过将预训练的大规模语言模型与社会规范扩散的结构化模型相耦合，该方法能够实现基于推理的、现实的代理行为，表现出对提示词变化的敏感性，并提供一种可扩展、可解释的方法，用于利用生成式人工智能模拟复杂的社会动态。

ABSTRACT

We discuss the emerging new opportunity for building feedback-rich computational models of social systems using generative artificial intelligence. Referred to as Generative Agent-Based Models (GABMs), such individual-level models utilize large language models such as ChatGPT to represent human decision-making in social settings. We provide a GABM case in which human behavior can be incorporated in simulation models by coupling a mechanistic model of human interactions with a pre-trained large language model. This is achieved by introducing a simple GABM of social norm diffusion in an organization. For educational purposes, the model is intentionally kept simple. We examine a wide range of scenarios and the sensitivity of the results to several changes in the prompt. We hope the article and the model serve as a guide for building useful diffusion models that include realistic human reasoning and decision-making.

研究动机与目标

• 开发一类新型的基于代理的模型，通过生成式人工智能实现类人的推理能力。
• 探索大型语言模型如何系统性地整合到社会互动的机制性模型中。
• 通过组织内社会规范扩散的简化案例研究，展示此类模型的可行性与敏感性。
• 为研究人员提供一种实用且具有教育意义的框架，用于构建和校准基于生成式人工智能的真实感扩散模型。
• 评估提示工程对社会模拟情境中模型行为及结果敏感性的影响。

提出的方法

• 作者设计了一个组织环境中社会规范扩散的最小化基于代理模型，采用机制性框架定义交互规则。
• 每个代理的决策行为通过提示驱动的大型语言模型（如GPT-3.5）建模，该模型根据同伴行为和规范强度等上下文线索生成行为。
• 通过提示让语言模型推理是否采纳或拒绝规范，并将响应结果用于更新模拟中的代理状态。
• 在多种情景下执行模型，系统性地改变提示词以评估行为敏感性。
• 使用定性与定量指标分析模拟输出的收敛性、采纳率以及对输入提示的敏感性。
• 该框架采用模块化、可扩展的设计，以支持未来与真实组织数据的集成。

实验结果

研究问题

• RQ1 如何有效将大型语言模型与机制性基于代理模型耦合，以模拟社会系统中的人类决策行为？
• RQ2 提示词设计的变化在多大程度上影响社会规范扩散模型中涌现的行为与采纳动态？
• RQ3 生成式人工智能是否能在结构化模拟环境中产生一致、可解释且行为上合理的代理响应？
• RQ4 大型语言模型的集成如何影响基于代理模型结果的敏感性与鲁棒性？
• RQ5 在组织情境下，使用生成式模型模拟社会系统动态具有哪些实际意义？

主要发现

• GABM框架成功生成了反映人类推理模式的、行为上合理的代理响应，尤其体现在规范采纳决策中。
• 该模型对提示设计表现出显著敏感性，提示词的措辞变化会改变不同模拟运行中的采纳率与收敛时间。
• 尽管模型结构简单，但仍能捕捉规范扩散的关键动态，包括临界点与同伴影响效应。
• 与传统基于规则的代理相比，LLM的集成实现了更丰富、更具上下文感知的决策行为，显著提升了现实感。
• 该方法通过提示词变化实现了系统性的敏感性分析，为模型校准与验证提供了新路径。
• 该模型可作为构建更复杂、AI增强型社会模拟的实用教育工具与原型开发平台。