SocioVerse: Ein Weltmodell für soziale Simulation, angetrieben durch LLM-Agenten und einen Pool von 10 Millionen realen Nutzern

SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users

April 14, 2025

Autoren: Xinnong Zhang, Jiayu Lin, Xinyi Mou, Shiyue Yang, Xiawei Liu, Libo Sun, Hanjia Lyu, Yihang Yang, Weihong Qi, Yue Chen, Guanying Li, Ling Yan, Yao Hu, Siming Chen, Yu Wang, Jingxuan Huang, Jiebo Luo, Shiping Tang, Libo Wu, Baohua Zhou, Zhongyu Wei

cs.AI

Zusammenfassung

Die soziale Simulation revolutioniert die traditionelle sozialwissenschaftliche Forschung, indem sie menschliches Verhalten durch Interaktionen zwischen virtuellen Individuen und ihrer Umgebung modelliert. Mit den jüngsten Fortschritten bei großen Sprachmodellen (LLMs) hat dieser Ansatz ein zunehmendes Potenzial gezeigt, individuelle Unterschiede zu erfassen und Gruppenverhalten vorherzusagen. Allerdings stehen bestehende Methoden vor Herausforderungen in Bezug auf die Ausrichtung an der Umgebung, den Zielnutzern, den Interaktionsmechanismen und den Verhaltensmustern. Zu diesem Zweck stellen wir SocioVerse vor, ein LLM-Agenten-gestütztes Weltmodell für die soziale Simulation. Unser Framework verfügt über vier leistungsstarke Ausrichtungskomponenten und einen Nutzerpool von 10 Millionen realen Individuen. Um seine Wirksamkeit zu validieren, führten wir groß angelegte Simulationsexperimente in drei verschiedenen Bereichen durch: Politik, Nachrichten und Wirtschaft. Die Ergebnisse zeigen, dass SocioVerse großskalige Bevölkerungsdynamiken widerspiegeln kann, während es durch standardisierte Verfahren und minimale manuelle Anpassungen Diversität, Glaubwürdigkeit und Repräsentativität gewährleistet.

English

Social simulation is transforming traditional social science research by modeling human behavior through interactions between virtual individuals and their environments. With recent advances in large language models (LLMs), this approach has shown growing potential in capturing individual differences and predicting group behaviors. However, existing methods face alignment challenges related to the environment, target users, interaction mechanisms, and behavioral patterns. To this end, we introduce SocioVerse, an LLM-agent-driven world model for social simulation. Our framework features four powerful alignment components and a user pool of 10 million real individuals. To validate its effectiveness, we conducted large-scale simulation experiments across three distinct domains: politics, news, and economics. Results demonstrate that SocioVerse can reflect large-scale population dynamics while ensuring diversity, credibility, and representativeness through standardized procedures and minimal manual adjustments.