什么使 LLM 智能体仿真对政策实践有用？一项面向应急准备的迭代设计研究
人机交互
2026-02-10 v2 计算与语言
摘要
决策者常常必须在深度不确定的条件下采取行动，例如在应急响应中，先验地预测某项政策的具体影响是不切实际的。大语言模型（LLM）智能体仿真已被提出作为在这些条件下支持决策者的工具，但关于此类仿真如何对现实世界的政策实践产生实用性，目前知之甚少。为了填补这一空白，我们与一所大学的应急准备团队开展了一项为期一年、利益相关者参与的设计过程。通过迭代设计周期，我们开发并改进了一个大规模校园集会的 LLM 智能体仿真，最终扩展至 13,000 个智能体，用于模拟各种紧急场景下的人群流动与通信。这些仿真并非用于生成预测性预报，而是通过塑造志愿者培训、疏散程序和基础设施规划来支持政策实践。通过分析这些发现，我们确定了使 LLM 智能体仿真对政策实践有用的三个设计过程启示：从可验证场景出发以引导信任，利用初步仿真来引出隐性领域知识，以及将仿真能力与政策实施视为共同演化。
引用
@article{arxiv.2509.21868,
title = {What Makes LLM Agent Simulations Useful for Policy Practice? An Iterative Design Study in Emergency Preparedness},
author = {Yuxuan Li and Sauvik Das and Hirokazu Shirado},
journal= {arXiv preprint arXiv:2509.21868},
year = {2026}
}