arXiv cs.CY· Hanzhong Zhang, Muhua Huang, Jindong Wang·· 11 小时前AI 评分32
CMASE：基于生成式智能体的计算多智能体社会实验框架
Computational Multi-Agents Society Experiments: Social Modeling Framework Based on Generative Agents
AI 导读
研究者提出 CMASE，一个基于生成式智能体的框架，支持研究者以世界内角色在运行时进行可追溯的社会干预实验。CMASE 结合 LLM 驱动的感知、记忆与情绪，以及由纹理和区域地图构成的可组合环境，并复现了城市绿化与社会割裂、公共品博弈合作两项已发表实地研究，在两种差异显著的语言模型上重现了原文报告的统计模式。对照实验显示，嵌入式社会干预会留下可观察、可审计的过程记录，而参数化操控则不会。
正文 · AI 翻译
摘要：计算社会科学已发展出描述性、解释性和预测性建模，但将世界内人类干预与结果预测相结合的综合建模仍探索不足。生成式基于智能体的平台可扩展人口规模或复现复杂场景，但研究者通常通过设置、外部控制或事后分析来行动，而非以世界内角色参与。我们提出计算多智能体社会实验（CMASE），这是一个生成式基于智能体的框架，支持世界内研究者参与和运行时可追溯的干预。将仿真视为模拟的民族志田野，CMASE 支持：（1）实时人机交互以研究干预过程；（2）受民族志启发的观察、访谈和解释的受控实验；（3）对干预轨迹和下游响应的前瞻性探索。CMASE 结合了 LLM 驱动的感知、记忆和情感；由纹理和区域地图构建的可组合环境；以及涵盖观察、访谈、参与和干预的研究者角色，使干预作为社会事件而非外生参数进入。我们使用两个显著不同的语言模型复现了两项来自不同学科的已发表实地研究：城市绿化和社交碎片化，以及公共物品博弈中的合作。CMASE 复现了已报告的统计模式，并为面向机制的解释提供了过程级记录。受控比较表明，嵌入式社会干预留下了可观察、可审计的过程，而参数化操纵则不会。这些发现凸显了 CMASE 在研究中小规模社会环境中干预的方法论价值及其跨学科潜力。官方代码见：此 https URL。
| 评论： | 已被 ACM Transactions on Social Computing (TSC) 接收发表。36 页，6 幅图 |
| 主题： | 人工智能 (cs.AI)；计算机与社会 (cs.CY)；多智能体系统 (cs.MA) |
| MSC 分类： | 68T42 |
| ACM 分类： | I.2.7; J.4 |
| 引用为： | arXiv:2508.17366 [cs.AI] |
| （或 arXiv:2508.17366v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.17366 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hanzhong Zhang [查看电子邮件]
[v1]
2025 年 8 月 24 日星期日 13:50:18 UTC（13,671 KB）
[v2]
2026 年 3 月 9 日星期一 21:16:43 UTC（1,867 KB）
[v3]
2026 年 10 月 15 日星期四 20:06:48 UTC（8,729 KB）
来源：arXiv cs.CY · arxiv.org