SocioVerse : Un modèle de monde pour la simulation sociale alimenté par des agents LLM et un bassin de 10 millions d'utilisateurs réels

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

April 14, 2025

Auteurs: 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

Résumé

La simulation sociale transforme la recherche traditionnelle en sciences sociales en modélisant le comportement humain à travers les interactions entre des individus virtuels et leur environnement. Avec les récentes avancées des modèles de langage de grande taille (LLMs), cette approche a montré un potentiel croissant pour capturer les différences individuelles et prédire les comportements de groupe. Cependant, les méthodes existantes font face à des défis d'alignement liés à l'environnement, aux utilisateurs cibles, aux mécanismes d'interaction et aux modèles comportementaux. Pour répondre à ces enjeux, nous introduisons SocioVerse, un modèle de monde piloté par des agents LLM pour la simulation sociale. Notre cadre intègre quatre composants puissants d'alignement et un bassin d'utilisateurs de 10 millions d'individus réels. Pour valider son efficacité, nous avons mené des expériences de simulation à grande échelle dans trois domaines distincts : la politique, l'actualité et l'économie. Les résultats démontrent que SocioVerse peut refléter la dynamique des populations à grande échelle tout en assurant diversité, crédibilité et représentativité grâce à des procédures standardisées et des ajustements manuels minimaux.

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.