소시오버스: LLM 에이전트와 1천만 명의 실세계 사용자 풀로 구동되는 사회 시뮬레이션을 위한 세계 모델

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

April 14, 2025

저자: 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

초록

사회 시뮬레이션은 가상 개인과 그들의 환경 간 상호작용을 통해 인간 행동을 모델링함으로써 전통적인 사회과학 연구를 혁신하고 있습니다. 최근 대규모 언어 모델(LLM)의 발전으로, 이 접근법은 개인 차이를 포착하고 집단 행동을 예측하는 데 있어 점점 더 큰 잠재력을 보여주고 있습니다. 그러나 기존 방법들은 환경, 대상 사용자, 상호작용 메커니즘, 그리고 행동 패턴과 관련된 정렬 문제에 직면해 있습니다. 이를 위해 우리는 SocioVerse를 소개합니다. 이는 사회 시뮬레이션을 위한 LLM 에이전트 기반 세계 모델로, 네 가지 강력한 정렬 구성 요소와 1천만 명의 실제 개인으로 구성된 사용자 풀을 특징으로 합니다. 그 효과를 검증하기 위해 우리는 정치, 뉴스, 경제라는 세 가지 독립된 영역에서 대규모 시뮬레이션 실험을 수행했습니다. 결과는 SocioVerse가 표준화된 절차와 최소한의 수동 조정을 통해 대규모 인구 역학을 반영하면서도 다양성, 신뢰성, 대표성을 보장할 수 있음을 보여줍니다.

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.