index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
本期读书会邀请到美国威斯康星大学麦迪逊分校计算机科学硕士和认知科学博士在读的Yun-Shiuan (Sean) Chuang，他将分享一个由大型语言模型（LLM）代理驱动的人工社会系统，该系统模拟了社交媒体上的辩论。Sean将介绍一种衡量LLM代理人性化程度的方法，并展示受认知科学启发的策略，以增强这些代理与人类行为的一致性。通过这次分享，我们将探讨LLM代理在准确模拟人类社会观点动态中的潜力和局限性，为理解和预测社会行为提供新的视角和工具。
😄 **LLM代理与社会模拟**: 现有基于代理的模型在模拟人类复杂行为和观点形成方面存在局限性，LLM代理的出现为构建更逼真的社会模拟系统提供了新的可能。本分享将介绍一个由LLM代理驱动的人工社会系统，该系统模拟了社交媒体上的辩论，旨在探索LLM代理在模拟观点动态方面的潜力。
🤔 **衡量LLM代理人性化程度**: 为了评估LLM代理在模拟人类行为方面的有效性，研究者提出了一个衡量LLM多代理系统人性化程度的方法。该方法将通过分析LLM代理在辩论中的行为模式、观点表达方式以及对信息的影响力等方面，来判断其与人类行为的一致性。
💡 **增强LLM代理与人类行为的一致性**: 研究者还展示了受认知科学启发的策略，以增强LLM代理与人类行为的一致性。这些策略包括：通过引入人类认知模型来指导LLM代理的观点形成过程，以及利用人类行为数据来训练LLM代理，使其更接近人类的思维模式。
🚀 **LLM代理的应用潜力**: 通过准确模拟人类社会观点动态，LLM代理可以为理解和预测社会行为提供新的视角和工具。例如，LLM代理可以用于设计更有效的错误信息纠正策略，以及预测社会事件的走向。
🚧 **LLM代理的局限性**: 尽管LLM代理在模拟社会观点动态方面展现出潜力，但仍然存在一些局限性。例如，LLM代理的训练数据可能存在偏差，导致其在模拟人类行为方面存在误差。此外，LLM代理的计算成本较高，限制了其大规模应用。
🤝 **人类-人工智能协同**: 未来，人类和人工智能将共同努力，推动社会模拟技术的进步。通过结合人类的智慧和人工智能的计算能力，我们将能够构建更逼真的社会模拟系统，为解决社会问题提供更有效的解决方案。
🌐 **计算社会科学的新方法论**: LLM代理的出现为计算社会科学领域带来了新的方法论。通过将LLM代理与社会模拟技术结合，我们可以更深入地理解社会结构、过程和行为，并为社会发展提供更精准的预测和指导。
图源：MIT News。https://news.mit.edu/2024/large-language-models-use-surprisingly-simple-mechanism-retrieve-stored-knowledge-0325
计算社会科学通过计算模型和数据分析来探索社会结构、过程和行为，而社会模拟则提供了一个实验平台，可以在此平台上测试不同的干预措施，以识别那些在社会系统中产生期望效果的策略。现有的基于代理的模型虽然能够模拟个体行为及其相互作用，但在捕捉人类复杂行为和观点形成过程方面仍存在局限性。因此，如何增强这些LLM代理与人类行为的一致性成为一个亟待解决的问题。本次分享，我们邀请到美国威斯康星大学麦迪逊分校计算机科学硕士和认知科学博士在读的Yun-Shiuan (Sean) Chuang。他将展示一个由大型语言模型（LLM）代理驱动的人工社会系统，该系统在社交媒体上进行辩论。Sean将介绍一种衡量这些LLM多代理系统人性化程度的方法，并展示受认知科学启发的策略，以增强这些代理与人类行为的一致性。通过这次分享，我们将探讨LLM代理在准确模拟人类社会观点动态中的潜力和局限性，为理解和预测社会行为提供新的视角和工具。本期读书会时间为：7月20日10:00-12:00（周六），直播报名入口见后文。
社会模拟、基于代理的模型（ABMs）、大型语言模型（LLM）代理以及它们在观点动态中的应用，与计算社会科学紧密相关，共同构成了理解和预测社会行为的新方法论。计算社会科学利用计算模型和数据分析来探索社会结构、过程和行为，而社会模拟提供了一个实验平台，可以在此平台上测试不同的干预措施，以识别那些在社会系统中产生期望效果的策略。现有基于代理的模型虽然能够模拟个体行为及其相互作用，但它们在捕捉人类复杂行为和观点形成过程方面存在局限性。因此，如何增强这些LLM代理与人类行为的一致性成为一个待解决的问题。一个模拟类似人类社会的系统拥有巨大的潜力，其应用范围从设计有说服力的错误信息纠正信息到策划成功的广告活动。在此次分享的研究项目中，我们使用大型语言模型（LLM）代理来驱动一个在社交媒体上进行辩论的人工社会。此外，我们提出了一种方法来衡量这些LLM多代理系统的类似人性，并展示了受认知科学启发的策略，以增强这些LLM代理与人类行为的一致性。总体而言，我们确定了使用LLM代理准确模拟人类社会观点动态的潜力和局限性。参考论文：
[NAACL 2024] Simulating Opinion Dynamics with Networks of LLM-based Agents
[CogSci 2024] The Wisdom of Partisan Crowds: Comparing Collective Intelligence in Humans and LLM-based Agents
[Preprint] Beyond Demographics: Human-like LLM Agent Construction through Infusing Topic-Specific Opinions based on Belief Network
社会模拟：识别有效的干预措施
目标
现有基于代理的模型的局限性
项目1：我们能否开发基于人类行为的观点动态的ABMs（代理模型）？
项目2：大型语言模型（LLM）代理能否模拟观点动态？
项目3：LLM代理的观点动态是否类似人类？
LLM代理：LLM Agent
多智能体系统：Multi-agent System
社会模拟：Social Simulation
人类-人工智能对齐：Human-AI Alignments
Yun-Shiuan (Sean) Chuang目前于美国威斯康星大学麦迪逊分校攻读计算机科学硕士和认知科学博士。研究重点是增强大型语言模型（LLMs）的人类-人工智能对齐，并创建类似人类的大语言模型代理。直播时间：
7月20日10:00-12:00（周六），直播报名入口见后文。参与方式：
集智俱乐部 B 站账号直播，扫码可预约：
扫码预约本次直播
若需要观看视频回放，文末扫码付费参加AI+Social Science读书会可加入腾讯会议，可提问交流、加入群聊、获取视频回放及更多学习资料，成为计算社会科学社区种子用户，与700余名计算社会科学的一线科研工作者沟通交流，共同推动计算社会科学社区的发展。
读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。具体见系列读书会详情：AI+Social Science：大模型怎样重塑社会科学 | 计算社会科学读书会第三季启动
集智俱乐部联合美国东北大学博士后研究员杨凯程、密歇根大学安娜堡分校博士候选人裴嘉欣，宾夕法尼亚大学沃顿商学院人力资本分析研究组博士后研究员吴雨桐、即将入职芝加哥大学心理学系的助理教授白雪纯子，共同发起AI+Social Science读书会，从3月24日开始，每周日晚20:00-22:00，探究大语言模型、生成式AI对计算社会科学领域带来的新思想新价值。点击“阅读原文”，报名读书会
