大型语言模型是否解决了基于智能体的模型的问题？对生成式社会仿真的批判性综述
多智能体系统
2025-04-07 v1 人工智能
摘要
近期的人工智能进步为基于智能体的模型(ABM)注入了新的活力，因为大型语言模型(LLM)的集成导致了“生成式ABM”作为一种新颖的模拟社会系统方法的出现。尽管ABM提供了将微观互动与宏观模式桥接的手段，但它们长期以来面临着来自社会科学家的批评，指出例如缺乏真实性、计算复杂性以及面临数据校准和验证挑战。本文综述了生成式ABM文献，以评估这种新方法是否充分解决了这些长期存在的批评。我们的发现表明，许多研究表现出对历史性争论的有限意识。验证仍未得到充分解决，许多研究仅依赖主观的模型“可信度”评估，即使最严格的验证也未能充分证明操作有效性。我们认为，大型语言模型可能会因其黑箱特性而加剧而非解决ABM的长期挑战。此外，黑箱的LLM性质还限制了其在厘清复杂涌现因果机制方面的有用性。尽管生成式ABM仍处于早期实验阶段，但这些发现质疑了该领域是否能够过渡到对贡献于社会科学理论所需的严格建模。
引用
@article{arxiv.2504.03274,
title = {Do Large Language Models Solve the Problems of Agent-Based Modeling? A Critical Review of Generative Social Simulations},
author = {Maik Larooij and Petter Törnberg},
journal= {arXiv preprint arXiv:2504.03274},
year = {2025}
}