学习做朋友：辅导 LLM 代理迈向新兴社会联系
人工智能
2025-10-23 v1 多智能体系统
社会与信息网络
摘要
大型语言模型（LLM）代理能否再现人类在线行为中所蕴含的复杂社会动态——这些动态由亲疏关系、互惠互利及社会认可塑造——以及何种记忆与学习机制使此类动态得以涌现？我们构建一个多代理 LLM 模拟框架，使代理反复互动、评估彼此，并通过辅导信号加速内在学习来调整其行为。为模拟人类社会行为，我们设计行为奖励函数，捕捉线上参与的核心驱动因素，包括社交互动、信息寻求、自我呈现、协调与情感支持。这些奖励使代理目标与实证观察到的用户动机一致，从而可研究网络结构与群体形成如何从个体决策中涌现。我们的实验表明，受 coaching 的 LLM 代理发展出稳定的互动模式，形成新兴社会联系，产生类似真实在线社区属性的网络结构。通过将行为奖励与内在适应相结合，我们的框架为调查 LLM 群体中的集体动态提供原则性测试台，揭示人工代理如何近似或偏离人类社会行为。
引用
@article{arxiv.2510.19299,
title = {Learning to Make Friends: Coaching LLM Agents toward Emergent Social Ties},
author = {Philipp J. Schneider and Lin Tian and Marian-Andrei Rizoiu},
journal= {arXiv preprint arXiv:2510.19299},
year = {2025}
}