利用基于 LLM 的智能体进行社会科学研究：来自引文网络仿真的见解
物理与社会
2025-11-19 v3 人工智能
计算机与社会
多智能体系统
社会与信息网络
摘要
大语言模型（LLM）的出现表明，通过利用海量网络数据预训练，其具有封装人类行为仿真中固有逻辑与模式的潜力。然而，LLM 在社会仿真中的能力边界仍不清晰。为进一步探索 LLM 的社会属性，我们引入了 CiteAgent 框架，旨在基于 LLM 智能体的人类行为仿真来生成引文网络。CiteAgent 成功捕捉了真实引文网络中的主要现象，包括幂律分布、引文失真和直径收缩。基于这一真实仿真，我们在社会科学中建立了两种基于 LLM 的研究范式：LLM-SE（基于 LLM 的调查实验）和 LLM-LE（基于 LLM 的实验室实验）。这些范式促进了对引文网络现象的严谨分析，使我们能够验证并挑战现有理论。此外，我们通过理想化的社会实验扩展了传统科学学的研究范围，其仿真实验结果为现实学术环境提供了有价值的见解。我们的工作展示了 LLM 在推进社会科学中科学学研究方面的潜力。
引用
@article{arxiv.2511.03758,
title = {Leveraging LLM-based agents for social science research: insights from citation network simulations},
author = {Jiarui Ji and Runlin Lei and Xuchen Pan and Zhewei Wei and Hao Sun and Yankai Lin and Xu Chen and Yongzheng Yang and Yaliang Li and Bolin Ding and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2511.03758},
year = {2025}
}
备注
accepted by HSSCOMMS'25