基于大语言模型代理人探讨并扩展霍曼的社会交换理论
人工智能
2025-02-19 v1
摘要
霍曼的社会交换理论（SET）广为人知，是理解人类文明和社会结构形成的基本框架。在社会科学中，这一理论通常基于简单的仿真实验或真实世界的人类研究，两者要么缺乏真实性，要么控制成本太高。在人工智能领域，近期的大型语言模型（LLM）进展显示出模拟人类行为的潜在能力。以此为灵感，我们采用跨学科研究视角，提出使用 LLM 代理人来研究霍曼的 SET。具体而言，我们构建由三个 LLM 代理人组成的虚拟社会，让他们参与社交交换游戏以观察其行为。通过大量实验，我们发现霍曼的 SET 在我们的代理人社会中得到良好验证，表明代理人行为与人类行为一致。基于此基础，我们有意改变代理人社会的设置，以扩展传统霍曼的 SET，使其更加全面和细致。鉴于目前在 LLM 代理人中研究霍曼的 SET 框架尚存，本文是首次尝试。更重要的是，它引入了一种新型且可行的研究范式，通过 LLM 代理人桥接社会科学和计算机科学领域。代码可在 https://github.com/Paitesanshi/SET 获取。
引用
@article{arxiv.2502.12450,
title = {Investigating and Extending Homans' Social Exchange Theory with Large Language Model based Agents},
author = {Lei Wang and Zheqing Zhang and Xu Chen},
journal= {arXiv preprint arXiv:2502.12450},
year = {2025}
}