ScioMind：基于锚定式信念动力学与动态轮廓的认知建构式多智能体社会模拟
人工智能
2026-05-14 v1 社会与信息网络
摘要
基于大语言模型（LLM）的多智能体模拟为研究社会意见动力学提供了强大的测试平台。然而，当前方法往往采用两种截然不同的方法：要么依赖有限认知建构的固定更新规则，要么将信念变化主要委托给不受约束的 LLM 交互。我们提出了 ScioMind，这是一个认知建构式模拟框架，桥接了这两种范式，通过结合结构化意见动力学与 LLM 驱动的智能体推理实现。ScioMind 集成了三个关键组件：1）记忆锚定式信念更新规则，通过人格条件化的锚定强度调节易受影响程度；2）支持持久、经验驱动信念形成的层次化记忆体系结构；3）来自语料库驱动的检索管道衍生的动态智能体轮廓，实现异质人格、论证和演化内部状态。我们在真实世界政策辩论情境中的多个案例研究中对 ScioMind 进行评估。在包括极化程度、多样性、极端化和轨迹稳定性在内的多个指标上，所提出的组件均持续提升行为真实性。特别是，动态轮廓增加了意见多样性，记忆与反思减少了不稳定的振荡，锚定诱导出更符合政治心理学报告模式的持久信念轨迹。这些结果表明，我们的认知建构式设计为 LLM 驱动的社会模拟提供了一种新解决方案，显著提升了稳定性和行为真实性。
引用
@article{arxiv.2605.13725,
title = {ScioMind: Cognitively Grounded Multi-Agent Social Simulation with Anchoring-Based Belief Dynamics and Dynamic Profiles},
author = {Yitian Yang and Yiqun Duan and Linghan Huang and Yiqi Zhu and Francesco Bailo and Chunmeizi Su and Huaming Chen},
journal= {arXiv preprint arXiv:2605.13725},
year = {2026}
}