智能体社会：融合真实世界骨架与大型语言模型纹理

大型语言模型（LLM）和智能体技术的最新进展为社会学实验模拟提供了有前景的解决方案，但其中许多模型所需的现实世界人口数据的可用性仍然是一个主要挑战。本文探索了一种利用人口普查数据和 LLM 生成虚拟人口的新颖框架，这显著减少了资源需求，规避了与现实世界数据相关的隐私合规问题，同时保持了统计真实性。基于现实世界的人口普查数据，我们的方法首先生成反映人口统计特征的用户画像。然后，我们使用 LLM 以类似于图像生成模型但应用于文本数据的技术，用复杂的细节来丰富这些画像。此外，我们提出了一个评估框架，基于人格特质测试（特别是大五模型）来评估我们方法在 LLM 能力方面的可行性，这也增强了生成画像的深度和真实性。通过初步实验和分析，我们证明了我们的方法生成的画像具有可变性，这对于模拟社会科学实验中多样化的人类行为至关重要。但评估结果表明，由于当前 LLM 的能力有限，只能产生统计真实性的微弱迹象。我们研究的见解还强调了 LLM 在符合人类价值观与反映现实世界复杂性之间的张力。全面而严格的测试有待进一步研究。我们的代码已在 https://github.com/baiyuqi/agentic-society.git 发布