SocioVerse: Un Modelo de Mundo para Simulación Social Impulsado por Agentes de LLM y un Grupo de 10 Millones de Usuarios del Mundo Real

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

April 14, 2025

Autores: 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

Resumen

La simulación social está transformando la investigación tradicional en ciencias sociales al modelar el comportamiento humano a través de interacciones entre individuos virtuales y sus entornos. Con los recientes avances en los modelos de lenguaje de gran escala (LLMs, por sus siglas en inglés), este enfoque ha demostrado un creciente potencial para capturar diferencias individuales y predecir comportamientos grupales. Sin embargo, los métodos existentes enfrentan desafíos de alineación relacionados con el entorno, los usuarios objetivo, los mecanismos de interacción y los patrones de comportamiento. Con este fin, presentamos SocioVerse, un modelo de mundo impulsado por agentes LLM para la simulación social. Nuestro marco cuenta con cuatro componentes de alineación potentes y un grupo de usuarios de 10 millones de individuos reales. Para validar su efectividad, realizamos experimentos de simulación a gran escala en tres dominios distintos: política, noticias y economía. Los resultados demuestran que SocioVerse puede reflejar dinámicas poblacionales a gran escala mientras garantiza diversidad, credibilidad y representatividad mediante procedimientos estandarizados y ajustes manuales mínimos.

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.