SocioVerse: Um Modelo de Mundo para Simulação Social Alimentado por Agentes de LLM e um Conjunto de 10 Milhões de Usuários do 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

Resumo

A simulação social está transformando a pesquisa tradicional em ciências sociais ao modelar o comportamento humano por meio de interações entre indivíduos virtuais e seus ambientes. Com os recentes avanços em modelos de linguagem de grande escala (LLMs, na sigla em inglês), essa abordagem tem demonstrado um potencial crescente para capturar diferenças individuais e prever comportamentos de grupo. No entanto, os métodos existentes enfrentam desafios de alinhamento relacionados ao ambiente, aos usuários-alvo, aos mecanismos de interação e aos padrões comportamentais. Para isso, apresentamos o SocioVerse, um modelo de mundo orientado por agentes LLM para simulação social. Nosso framework apresenta quatro componentes poderosos de alinhamento e um pool de usuários com 10 milhões de indivíduos reais. Para validar sua eficácia, conduzimos experimentos de simulação em larga escala em três domínios distintos: política, notícias e economia. Os resultados demonstram que o SocioVerse pode refletir a dinâmica populacional em grande escala, garantindo diversidade, credibilidade e representatividade por meio de procedimentos padronizados e ajustes manuais 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.