高风险群体模拟中语言智能体的隐式行为对齐

语言驱动的生成式智能体实现了大规模社会模拟，具有从人际训练到辅助全球政策制定等变革性用途。然而，近期研究表明，生成式智能体的行为往往偏离专家预期和真实世界数据——我们将其称为行为真实性差距。为解决这一问题，我们引入了一个名为 Persona-Environment Behavioral Alignment (PEBA) 的理论框架，将其表述为基于 Lewin 行为方程的分布匹配问题，该方程指出行为是人与其环境的函数。利用 PEBA，我们提出了 PersonaEvolve (PEvo)，一种基于 LLM 的优化算法，通过迭代精炼智能体人格，在特定环境背景下隐式地将其集体行为与现实的专家基准对齐。我们在自行开发的一名活跃枪手事件模拟中验证了 PEvo，与无引导相比，分布散度平均降低了 84%，相比显式指令基线提高了 34%。结果还表明，经 PEvo 精炼的人格可泛化至新颖的相关模拟场景。我们的方法极大提升了高风险社会模拟中的行为真实性与可靠性。更广泛地，PEBA-PEvo 框架为开发可信赖的 LLM 驱动的社会模拟提供了一种有原则的方法。