下載客戶端

登錄

AgentSociety 1.0：LLM時代的社會模擬器來了

2025-02-20 16:06

來源：澎湃新聞·澎湃號·湃客

導語

清華大學推出基于大模型的社會模擬器AgentSociety 1.0，可精確模擬社會輿論傳播、認知觀點極化、公眾政策響應等社會現(xiàn)象，推動智能社會治理和科學研究范式變革。

集智俱樂部聯(lián)合西湖大學工學院特聘研究員趙世鈺、浙江大學教授任沁源、鵬城實驗室高級工程師崔金強，共同發(fā)起，探究大語言模型給機器人領域帶來的新思想新價值。讀書會已完結，現(xiàn)在報名可加入社群并解鎖回放視頻權限。

研究領域：多智能體、生成式社會科學、大模型多智能體、社會模擬器、智能社會治理、觀點極化、分布式計算

李勇（清華大學電子系城市科學與計算中心研究團隊） | 作者

一、大模型驅(qū)動的社會人智能體

二、真實社會環(huán)境

三、大規(guī)模社會模擬引擎與社會學研究工具箱

四、社會實驗典型案例

五、未來展望

六、平臺使用方法

“凡我無法創(chuàng)造的，我就無法真正理解。 ”

——費曼

智能時代呼嘯而來，正深刻改變著人們生產(chǎn)、生活和學習的方式。過去幾十年里，社會科學家和相關領域的研究者，一直致力于通過實證數(shù)據(jù)與模型揭示人類行為和智能社會運行的基本規(guī)律，試圖找出隱藏在各種社會現(xiàn)象和治理痛點背后的因果機制，從而回答“是什么？為什么？如何治”等一系列問題。然而，在社會科學研究從“解釋世界”向“改造世界”演進的范式轉型中，研究者們始終面臨著一個根本性挑戰(zhàn)——如何突破傳統(tǒng)實證主義方法的局限，實現(xiàn)對人類行為模式與社會運行規(guī)律的可計算、可干預、可預測的深度理解。正如物理學家費曼所說的那句經(jīng)典名言：“凡我無法創(chuàng)造的，我就無法真正理解?！闭嬲睦斫猓粌H是觀察和解釋，更在于能否通過“生成式”的方式，自底而上地模擬復現(xiàn)人類行為的復雜模式與社會系統(tǒng)的運行規(guī)律，從而模擬、預測和研判智能社會治理演化路徑和潛在社會風險，推動基于前瞻性實驗主義智能社會治理最佳路徑。

正如復雜性科學先驅(qū)霍蘭德所指出的：“社會系統(tǒng)的本質(zhì)在于其構成元素間的非線性涌現(xiàn)。”這一論斷揭示了傳統(tǒng)還原論方法在應對社會復雜性時的固有局限，也催生了“生成式社會科學”（Generative Social Science）這一研究范式的迅速崛起，該范式將社會視為復雜自適應系統(tǒng)，從微觀層面出發(fā)，通過模擬個體的行為和互動來探索復雜社會系統(tǒng)的內(nèi)在機制，強調(diào)通過自底向上的計算實現(xiàn)對社會數(shù)字孿生的構建。其中，智能體建模（Agent-Based Modeling）是目前廣泛應用的一種方法，它通過構建Agent以及多Agents之間的交互關系，動態(tài)再現(xiàn)社會的運行狀態(tài)。這種方法已被廣泛應用于社會科學、政治學、經(jīng)濟學等領域，幫助研究者更深入地理解人類行為及社會的復雜性。

盡管這一領域取得了重要進展，仍面臨一個亟待解決的核心問題：這樣的模擬究竟能在多大程度上真實還原現(xiàn)實社會的復雜性？因此，如何在保證模擬規(guī)模足夠龐大以支持復雜性研究的同時，提升模擬的真實性，使其更貼近現(xiàn)實社會的運行邏輯，仍是亟待突破的重要方向。

近日，清華大學電子系城市科學與計算中心研究團隊，聯(lián)合清華大學智能社會治理研究院、公共管理學院、社會科學學院等跨學科團隊深度協(xié)作，充分發(fā)揮大模型智能體、真實社會環(huán)境仿真與大規(guī)模模擬加速框架的技術優(yōu)勢，結合智能社會治理的前沿理論與實踐探索，成功構建了基于大模型的“大型社會模擬器 AgentSociety”1.0 版本，可精確模擬社會輿論傳播、認知觀點極化、公眾政策響應等。AgentSociety從社會學第一性原理出發(fā)，以助力推動社會科學研究范式變革，推動了社會學領域從行為模擬到心智建模、從靜態(tài)推演到動態(tài)共生、從實驗室工具到社會基礎設施的發(fā)展。具體而言，該模擬器包括：

大模型驅(qū)動的社會人智能體：基于社會學理論，構建具有 “類人心智”的社會人智能體，賦予其情感、需求、動機與認知能力，并在這些心智驅(qū)動下進行復雜社會行為，如移動、就業(yè)、消費、社交互動等。

真實城市社會環(huán)境：精準模擬社會人賴以生存的城市空間，重現(xiàn)交通、基礎設施和公共資源，使智能體能在真實環(huán)境約束下交互，形成逼真的社會生態(tài)。

大規(guī)模社會模擬引擎：采用異步模擬架構與Ray分布式計算框架，結合智能體分組和 MQTT 高并發(fā)通信，實現(xiàn)高效、可擴展的智能體交互與社會行為模擬。

智能社會科學研究與治理工具箱：全面支持實驗、訪談、問卷調(diào)查等一系列社會學研究方法，提供多種自動化數(shù)據(jù)分析工具，從定性研究到定量分析全面助力社會科學研究的深入開展。

文章地址：https://arxiv.org/abs/2502.08691，

官方文檔：https://agentsociety.readthedocs.io/en/latest/，

GitHub鏈接：https://github.com/tsinghua-fib-lab/agentsociety/

圖 1 AgentSociety 總覽

（交互案例見：https://agentsociety.fiblab.net/exp/1a4c4fa5-04c1-4973-9433-b8b696f2fda0）

大型社會模擬器通過數(shù)字化和虛擬化的方式，使研究者能夠在無需進行實際實驗的情況下，模擬并觀察社會現(xiàn)象的變化過程，顯著降低了研究的風險與成本。同時，模擬器能夠在不同情境下進行多維度的數(shù)據(jù)采集和實驗設計，克服傳統(tǒng)研究因受限于時間、空間和資源等因素所帶來的局限。團隊提供可視化交互工具和智能社會治理研究工具箱，支持實時監(jiān)測、主動干預和數(shù)據(jù)收集，助力社會研究和治理實驗。

社會模擬器的應用不僅限于具體的社會實驗，它還可以作為社會科學研究的核心方法工具，輔助開展前期研究和假設驗證，輔助政策決策者和公共事務參與主體進行智能決策。研究團隊可以利用其進行初步的理論構建、實驗設計和政策效果評估，為后續(xù)的實證研究提供依據(jù)。這種工具的靈活性和可擴展性使得研究者能夠在不同的社會情境和變量條件下，快速測試理論假設并驗證其可行性，為學術研究的精準性和實用性提供有力支持。

為了展示大規(guī)模社會模擬器在社會科學研究中的價值，團隊開展了一系列典型社會實驗，涵蓋干預實驗、訪談和調(diào)查問卷等方法。實驗聚焦觀點極化、煽動性消息傳播與治理、全民基本收入（Universal Basic Income, UBI）政策和颶風沖擊下的社會動態(tài)，深入探討個體與群體行為在不同社會機制下的演化規(guī)律?；贏gentSociety的實驗，有效模擬了真實世界中常見的“回音室效應”、煽動性信息具有更強的傳播性和情緒引導力、UBI政策在個體消費和改善心理健康方面的效果、以及颶風沖擊下的人群流動的受限與恢復，研究結果與真實世界高度一致，證明了AgentSociety作為低成本實驗場地驗證政策的有效性。

一、大模型驅(qū)動的社會人智能體

社會人智能體是AgentSociety的核心。團隊提出的大模型驅(qū)動的社會人智能體，旨在通過結合大模型智能體技術與心理學、經(jīng)濟學和行為科學理論，模擬具有復雜社會行為的智能體，并通過模擬大規(guī)模智能體間及智能體與環(huán)境的交互，探索社會現(xiàn)象的演變和集體行為。具體而言，團隊將社會人智能體設計分為三個層面：心智、心智-行為耦合和行為。

圖 2 社會人智能體的基本構成，分為心智、心智-行為耦合和行為

心智層面：構建智能體的心理認知系統(tǒng)

在心智層面，為每個智能體構建穩(wěn)定的個體畫像（如性格、年齡、性別）和動態(tài)的個人狀態(tài)（如情感、經(jīng)濟狀況和社會關系），以確保智能體在不同情境下展現(xiàn)個性化的行為模式。在此基礎上，團隊引入情感（Emotions）、需求（Needs）和認知（Cognition）三大核心心理過程，共同決定智能體的決策推理、行為模式和社會適應能力。具體而言，情感反映智能體對外部刺激的即時反應，影響其短期決策和社交互動，例如在正面反饋下增強合作意愿，或在負面情境中表現(xiàn)出回避行為；需求是行為的內(nèi)在驅(qū)動力，基于馬斯洛需求層次理論，智能體在滿足基本生存需求后，會逐步追求安全、社交、尊重乃至自我實現(xiàn)，從而塑造其長期行為軌跡和社交策略；認知決定了智能體如何理解外部世界，包括對社會事件、政策環(huán)境和群體行為的態(tài)度，這一過程不僅受其個性和過往經(jīng)歷影響，還會因長期社會互動不斷演化。

心智-行為耦合：心智如何驅(qū)動智能體行為

智能體的行為并非隨機或被動響應，而是由其情感、需求和認知共同驅(qū)動，并根據(jù)個人狀態(tài)與外部環(huán)境的交互不斷調(diào)整。團隊基于馬斯洛需求層次理論（Maslow’s Hierarchy of Needs）和計劃行為理論（Theory of Planned Behavior, TPB），構建從心理狀態(tài)到行為執(zhí)行的完整路徑，使智能體的行為更符合人類的動機模式。按照馬斯洛需求層次理論，智能體會優(yōu)先滿足生存和安全需求，在此基礎上逐步追求社交等更高級目標。與此同時，基于計劃行為理論，智能體在形成目標后，會結合自身認知和環(huán)境因素主動規(guī)劃行動，使其行為既具適應性，又能展現(xiàn)長期連貫性。

行為層面：智能體如何展現(xiàn)復雜類人行為

在行為層面，提出的社會人智能體不僅能夠執(zhí)行簡單行為，還能夠展現(xiàn)多層次的復雜社會行為，包括移動、社交和經(jīng)濟活動。簡單行為主要涵蓋睡眠、飲食、娛樂和休息等基礎活動，這些行為雖然不涉及復雜的決策，但對智能體的整體狀態(tài)和長期行為模式至關重要。例如，睡眠不足可能影響情緒和社交意愿，而良好的飲食和娛樂體驗則可能提升幸福感，進一步塑造智能體的社交和工作行為。復雜社會行為方面，智能體能夠在移動、社交和經(jīng)濟活動中展現(xiàn)高度的自主智能。移動行為不僅涉及簡單的地點切換，還包括出行方式選擇、路徑規(guī)劃以及對交通環(huán)境的動態(tài)調(diào)整，使智能體的移動模式更符合現(xiàn)實社會的出行習慣。社交行為不僅限于基本互動，還涉及社交關系的建立、維持和演變，智能體會根據(jù)自身需求、情感狀態(tài)和外部環(huán)境調(diào)整社交策略，從而形成類似人類的社交網(wǎng)絡。經(jīng)濟行為方面，智能體不僅理解資源交換的基本概念，還能根據(jù)自身經(jīng)濟狀況、市場環(huán)境和個體偏好進行工作、消費等經(jīng)濟決策，展現(xiàn)出符合社會規(guī)則的經(jīng)濟行為模式。

圖 3 社會人智能體設計架構

社會人智能體模擬：自主生活的一日

為了驗證智能體的自主決策能力及其行為模式的合理性，團隊模擬了社會人智能體的一日生活，觀察其在移動、社交和經(jīng)濟活動方面的決策和適應能力（如下表所示）。通過 24 小時的仿真，智能體在需求、情感和認知的驅(qū)動下自主規(guī)劃日常任務，并動態(tài)調(diào)整行為，以符合現(xiàn)實社會中的時間節(jié)奏和互動邏輯。

表 1 社會人智能體自主生活一日示例

二、真實社會環(huán)境

為了讓智能體的行為更加貼近現(xiàn)實世界，團隊構建了一個高度真實、可交互的城市社會環(huán)境，支持移動、社交和經(jīng)濟活動等核心行為的模擬。與僅依賴大模型推理不同，團隊的環(huán)境結合物理約束、社會規(guī)則和資源限制，確保智能體的行為符合現(xiàn)實邏輯，避免大模型生成的“幻覺”影響。

這一環(huán)境具備三大核心優(yōu)勢：

1. 精準建?，F(xiàn)實世界機制：融合物理約束、成本反饋和社會運行規(guī)則，讓智能體在時間、資源、經(jīng)濟等多維度受到真實限制，使其行為更具合理性和連貫性。

2. 數(shù)據(jù)源自現(xiàn)實，確保行為邏輯一致：環(huán)境數(shù)據(jù)直接來源于真實世界，或基于現(xiàn)實社會原則構建，保證模擬結果具有現(xiàn)實參考價值，避免虛擬環(huán)境脫離社會規(guī)律。

3. 智能體可交互接口，支持真實決策：智能體不僅能夠感知環(huán)境，還可直接與其交互，實現(xiàn)路徑規(guī)劃、社交關系演變、經(jīng)濟交易等動態(tài)決策，確保行為不僅是文本推理的結果，而是真實行動的模擬。

此外，團隊將環(huán)境劃分為城市空間、社交空間和經(jīng)濟空間，共同構建完整、動態(tài)的社會系統(tǒng)，為智能體行為的模擬提供精準支撐，使其更符合人類社會的運行模式。

圖 4 真實城市社會環(huán)境

為了驗證真實城市社會環(huán)境在大規(guī)模社會模擬中的適應性和運行效率，團隊進行了性能測試，評估其在不同規(guī)模的智能體數(shù)量和高并發(fā)查詢場景下的表現(xiàn)。實驗模擬了1,000、10,000、100,000 和 1,000,000 個智能體在城市、社交和經(jīng)濟空間內(nèi)的交互，并采用典型工作日出行模式，在 8:30 早高峰啟動模擬。測試過程中，團隊設定查詢執(zhí)行比為 1:999（即每 999 次數(shù)據(jù)查詢后進行 1 次環(huán)境狀態(tài)更新），貼近智能體的真實交互模式，同時控制模擬進程數(shù)為 2、4、8、16 和 32。每種實驗條件下，團隊重復測試五次，每次持續(xù) 10 秒，并記錄查詢速率（QPS）在 102 至 105 之間的變化情況。實驗結果表明，即使智能體數(shù)量和查詢速率顯著增加，系統(tǒng)仍保持穩(wěn)定運行，能夠高效處理大規(guī)模智能體交互，為大規(guī)模社會模擬提供實時、可靠的計算支持。

表 2城市社會環(huán)境性能評估

三、大規(guī)模社會模擬引擎與社會學研究工具箱

為了實現(xiàn)真實、高效地大規(guī)模社會模擬，團隊構建了一個高效、可擴展、支持大規(guī)模社會人智能體并行執(zhí)行的社會模擬引擎。該引擎不僅結合了LLM驅(qū)動的多智能體系統(tǒng)和真實城市社會環(huán)境，更在系統(tǒng)架構上進行了深度優(yōu)化，以確保模擬結果既具備現(xiàn)實合理性，又能大規(guī)模、高效運行。

圖 5 大規(guī)模社會模擬引擎

傳統(tǒng)多智能體框架（如CAMEL、AgentScope）通常依賴嚴格的消息傳遞機制來組織智能體間的交互，以保證任務的執(zhí)行順序。然而，在現(xiàn)實社會中，個體的行為決策并非總是受外部輸入直接驅(qū)動，而是源自個體記憶、認知狀態(tài)和環(huán)境約束的自主整合。因此，團隊的社會模擬引擎采用了更接近現(xiàn)實的異步模擬架構，讓每個智能體作為獨立的模擬單元，不依賴特定的執(zhí)行順序，而是通過消息系統(tǒng)進行信息交換，實現(xiàn)智能體之間的相互影響。

為了提升大規(guī)模并行模擬的計算效率，團隊基于Ray分布式計算框架，結合Python的asyncio機制進行異步執(zhí)行，使模擬任務能夠高效利用多核計算資源，并支持分布式集群擴展。同時，為了降低智能體間通信的系統(tǒng)開銷，團隊引入了智能體分組（Agent Group）機制，使多個智能體可以在單個進程中運行，從而減少進程間通信開銷，提高計算效率。此外，為了實現(xiàn)大規(guī)模社會智能體的高并發(fā)、可靠消息傳輸，團隊引入了MQTT通信協(xié)議，該協(xié)議廣泛應用于物聯(lián)網(wǎng)場景，具備高吞吐量和低延遲的特點，非常適用于大規(guī)模社會模擬中智能體間的信息交換。

在系統(tǒng)架構上，團隊采用模塊化設計，包括共享服務層、模擬任務管理層和可選的GUI交互層。共享服務層包括LLM API接口、MQTT消息服務器、數(shù)據(jù)庫存儲和指標管理系統(tǒng)，確保模擬過程中數(shù)據(jù)傳輸高效、智能體行為可記錄、結果可視化。模擬任務管理層則基于Ray框架，提供高效的智能體管理和任務調(diào)度能力，使得不同實驗能夠獨立執(zhí)行，同時共享計算資源，提升可擴展性和復用性。

大型社會模擬器通過數(shù)字化和虛擬化的方式，使研究者能夠在無需進行實際實驗的情況下，模擬并觀察社會現(xiàn)象的變化過程，顯著降低了研究的風險和成本。同時模擬器能夠在不同情境下進行多維度的數(shù)據(jù)采集和實驗設計，解決傳統(tǒng)研究因受限于時間、空間和資源等因素所帶來的局限。團隊提供可視化交互工具與社會學研究工具箱，支持實時監(jiān)測、主動干預和數(shù)據(jù)收集，助力社會實驗研究。

? 實時可視化監(jiān)測：直觀展示社交網(wǎng)絡、經(jīng)濟活動、移動軌跡等核心變量，支持實驗參數(shù)調(diào)整，精準跟蹤社會演化過程。

? 訪談（Interviews）：研究者可實時向智能體提問，獲取基于記憶、當前狀態(tài)和環(huán)境的回答，不影響其正常行為。

? 調(diào)查問卷（Surveys）：支持批量分發(fā)結構化問卷，智能體按預設規(guī)則作答，確保數(shù)據(jù)一致性，便于趨勢分析。

? 干預實驗（Interventions）：提供三種行為干預方式，測試社會情境下的個體與群體響應，包括：1）智能體配置：預設性格、目標和關系，影響初始行為傾向；2）記憶操控：修改情緒和認知，觀察對決策與社交互動的影響。3）外部信息干預：發(fā)送特定信息（如災害預警）測試應急響應與傳播模式。

為了評估社會模擬引擎的擴展性和計算效率，團隊進行了大規(guī)模測試，模擬不同數(shù)量的智能體，并測量系統(tǒng)在高并發(fā)場景下的表現(xiàn)。在消息通信系統(tǒng)方面，團隊測試了 MQTT、Redis Pub/Sub 和 RabbitMQ，比較了它們的并行處理能力、吞吐量（msg/s）和輔助工具支持。實驗結果顯示，MQTT 和 Redis Pub/Sub 滿足高吞吐需求。

表 3 消息系統(tǒng)性能評估

在大規(guī)模智能體模擬方面，團隊在64 核服務器上運行實驗，32 核分配給模擬引擎，32 核用于智能體執(zhí)行，并測試了1,000和10,000 智能體在不同進程數(shù)（8、16、32）下的運行情況。實驗測量了總執(zhí)行時間、LLM API 響應時間、模擬器 API 響應時間和令牌消耗，結果表明 Ray 分布式計算框架和智能體分組機制大幅提高了模擬效率，確保系統(tǒng)在高并發(fā)負載下仍能穩(wěn)定運行。

表 4 AgentSociety總體性能評估表

上表展示了隨著智能體數(shù)量增加，系統(tǒng)在分布式計算下的可擴展性及性能表現(xiàn)。實驗表明，令牌使用模式（包括輸入和輸出）保持穩(wěn)定，分布式并行框架能夠有效支持大規(guī)模智能體的執(zhí)行，充分利用多核計算能力，成功緩解了CPU瓶頸，確保了系統(tǒng)的可擴展性。同時，實驗結果也表明，在完全并行的條件下，執(zhí)行效率主要受限于大模型API調(diào)用的性能。

四、社會實驗典型案例

為了展示大規(guī)模社會模擬器在社會科學研究中的價值，團隊開展了一系列典型社會實驗，涵蓋干預實驗、訪談和調(diào)查問卷等方法。實驗聚焦觀點極化、煽動性消息傳播與治理、UBI政策和颶風沖擊下的社會動態(tài)，深入探討個體與群體行為在不同社會機制下的演化規(guī)律。

4.1 觀點極化社會傳播現(xiàn)象模擬

觀點極化指社會群體內(nèi)部的觀點逐漸分化，形成難以調(diào)和的對立陣營。本實驗以槍支管控政策為議題，模擬社會智能體的觀點演化過程。實驗設計包含對照組和兩個干預組：在對照組中，智能體通過相互討論更新觀點，沒有外部干預，觀點的演化完全依賴于智能體之間的自主社交交互；在同質(zhì)信息組中，智能體僅接收到與其立場相同的信息，從而模擬信息繭房效應；在對立信息組中，智能體僅接收與其立場相反的信息，旨在測試不同觀點的影響。通過這種實驗設計，研究人員僅需要書寫簡單實驗配置文件，即可在模擬器中開展該實驗，

圖 6 觀點極化實驗配置模板

圖 7 接觸不同信息條件下觀點極化程度的對比

如上圖所示，針對槍支管控這一政治議題，三種實驗設置下的觀點變化呈現(xiàn)出明顯的差異。在對照組中，智能體之間進行自由討論，沒有外部干預，結果顯示39%的智能體在互動后變得更加極化，而33%的智能體則傾向于持更加溫和的觀點。與此相比，在同質(zhì)信息組中，觀點極化現(xiàn)象更加顯著，52%的智能體的觀點變得更加極端。這表明，與志同道合的個體過度互動可能會加劇觀點的極化，即真實世界中常見的“回音室效應”。而在對立信息組中，89%的智能體的觀點變得更加溫和，11%的智能體甚至被說服接受了對立的觀點。這表明，接觸到不同意見的內(nèi)容能夠有效緩解觀點極化，或可成為應對極化現(xiàn)象的一種有效策略。

4.2 煽動性消息的傳播模擬與智能治理

煽動性消息指包含極端觀點或誤導性信息的內(nèi)容，這類信息在社交網(wǎng)絡中的快速傳播可能加劇群體沖突，影響公共討論環(huán)境。本實驗模擬煽動性信息在社交網(wǎng)絡中的傳播，并測試不同的內(nèi)容治理策略對其擴散模式和群體情緒的影響。實驗包括對照組和煽動性信息組：在對照組中，智能體僅傳播普通信息，團隊觀察其自然擴散過程及情緒演化。在煽動性信息組，團隊引入帶有強烈情緒表達的煽動性內(nèi)容，分析其對信息傳播速度和群體情緒的影響。針對煽動性信息傳播的治理，團隊設計了節(jié)點干預和邊干預兩種策略，其中節(jié)點干預通過檢測并封禁反復傳播煽動性內(nèi)容的賬戶、以減少信息源頭，邊干預則在發(fā)現(xiàn)煽動性內(nèi)容傳播時切斷社交連接，以遏制其擴散。實驗還通過與智能體的交互式訪談探究個體在分享煽動性消息時的心理動因。在模擬器中開展該實驗的配置如下，

圖 8 煽動性消息實驗配置模板

圖 9 煽動性消息的傳播與治理策略

實驗結果顯示，煽動性消息在社交網(wǎng)絡中具有更強的傳播潛力和更高的情緒反應。節(jié)點干預，即暫停頻繁傳播煽動性內(nèi)容的賬戶，比邊干預更有效，能夠更好地控制煽動性消息的擴散。情緒強度分析的結果表明，煽動性消息顯著放大了網(wǎng)絡中的情緒強度，而節(jié)點干預在調(diào)節(jié)情緒反應方面表現(xiàn)尤為突出。進一步，訪談結果揭示，強烈的情緒反應和社會責任感是推動煽動性信息分享的主要驅(qū)動因素，用戶常因同情或擔憂而分享信息，希望引起公眾關注或推動社會反應?？傮w來看，煽動性信息具有更強的傳播性和情緒引導力，與真實人類社會中的觀測結果高度一致。同時，節(jié)點干預在信息控制和情緒調(diào)節(jié)方面更為有效，為優(yōu)化社交網(wǎng)絡內(nèi)容管理策略提供了有力支持。

4.3 全民基本收入（Universal Basic Income，UBI）政策推演

UBI 旨在緩解貧困、促進經(jīng)濟穩(wěn)定和提升社會福祉，盡管其高昂成本和經(jīng)濟影響存在爭議，但作為改善收入分配和增強社會保障的政策工具，已成為研究焦點。本實驗通過模擬UBI 政策的干預效果，探討其對個體經(jīng)濟行為和宏觀經(jīng)濟環(huán)境的影響。實驗包括對照組和UBI干預組。對照組中，智能體在無 UBI 政策的條件下進行經(jīng)濟活動；干預組則模擬實施 UBI，每名智能體每月獲得 $1,000的無條件收入，以觀察其消費、儲蓄、就業(yè)選擇等行為變化。實驗基于 UBI 試點地區(qū)（如美國德克薩斯州）的人口分布數(shù)據(jù)，并通過對比兩組模擬的經(jīng)濟和社會指標，評估 UBI 對個體和整體經(jīng)濟的影響，分析其是否與現(xiàn)實 UBI 社會實驗的結果相符。

圖 10 UBI政策效果與公眾意見

實驗結果顯示，模擬中的經(jīng)濟系統(tǒng)隨著時間推移逐漸穩(wěn)定，實際GDP和智能體消費水平的波動逐漸縮小。團隊在第96步引入了UBI政策，并比較了接下來24步內(nèi)的經(jīng)濟和社會指標，具體包括智能體消費水平和抑郁水平（使用CES-D量表進行調(diào)查問卷評估）。結果表明，UBI政策顯著提高了消費水平并降低了抑郁水平，這與德州UBI政策的影響相似，驗證了模擬的現(xiàn)實性。此外，通過對智能體的訪談，分析了它們對UBI政策的看法。訪談結果顯示，UBI政策的影響與利率、長期福利、儲蓄和生活必需品等關鍵因素密切相關，反映了現(xiàn)實中公眾對UBI政策的普遍認知。這些結果一方面支持了UBI政策在提高消費和改善心理健康方面的效果，另一方面也證明了模擬器作為低成本實驗場地驗證政策的有效性。

4.4 颶風沖擊下的社會動態(tài)模擬推演

颶風等極端自然災害對社會結構和個體行為產(chǎn)生深遠影響，理解此類事件對人口流動、基礎設施和社會穩(wěn)定的沖擊對于優(yōu)化應急響應和降低災害風險至關重要。本實驗模擬颶風來襲期間的社會動態(tài)，分析個體在災害環(huán)境下的行為模式。實驗基于 2019 年颶風多里安（Hurricane Dorian）對美國東南部的影響，選取南卡羅來納州哥倫比亞市作為案例研究。數(shù)據(jù)來源包括 SafeGraph 移動數(shù)據(jù)（記錄城市內(nèi)人群流動模式）和 Census Block Group（CBG）數(shù)據(jù)（提供人口統(tǒng)計特征），用于構建 1,000 名社會智能體，模擬其在颶風期間的行為變化。

實驗結果顯示，模擬智能體在颶風事件中的移動模式與真實數(shù)據(jù)高度一致，活動水平隨颶風來臨大幅下降，并在災后逐步恢復，符合實際人群出行趨勢。模擬數(shù)據(jù)與真實人口流動的時間演化相似，驗證了模擬器在復現(xiàn)極端天氣下人類行為的有效性，為優(yōu)化災害應對策略提供支持。

圖 11 颶風沖擊實驗配置模板

圖 12 颶風沖擊下人流移動強度變化

五、未來展望

面向未來智能社會治理探索，AgentSociety 將成為人機共生、治理創(chuàng)新、后稀缺經(jīng)濟模式的試驗場，測試 AI 議員參與立法對民主決策的影響，模擬UBI與機器人稅組合政策，甚至在數(shù)字環(huán)境推演 AI 時代的法律與倫理框架，探討科技與社會的共存模式。團隊所提出的AgentSociety 是一個基于大語言智能體的大型社會模擬器，正在從 “預測與解釋工具” 逐漸進化為 “智能社會治理實驗室”。其核心價值不僅在于分析社會現(xiàn)象，更在于構建一個實驗平臺，用于政策沙盒測試、危機預警和未來社會形態(tài)探索，助力社會治理與文明演化。