SocioVerse: Мировая модель для социального моделирования на основе агентов с языковыми моделями и пулом из 10 миллионов реальных пользователей

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

April 14, 2025

Авторы: 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

Аннотация

Социальное моделирование трансформирует традиционные исследования в области социальных наук, моделируя поведение человека через взаимодействия между виртуальными индивидами и их окружением. С недавними достижениями в области больших языковых моделей (LLM) этот подход демонстрирует растущий потенциал в улавливании индивидуальных различий и прогнозировании группового поведения. Однако существующие методы сталкиваются с проблемами согласования, связанными с окружением, целевыми пользователями, механизмами взаимодействия и поведенческими паттернами. В связи с этим мы представляем SocioVerse — мировую модель для социального моделирования, основанную на агентах LLM. Наша структура включает четыре мощных компонента согласования и пул пользователей из 10 миллионов реальных индивидов. Для проверки её эффективности мы провели масштабные симуляционные эксперименты в трёх различных областях: политике, новостях и экономике. Результаты показывают, что SocioVerse способна отражать динамику крупномасштабных популяций, обеспечивая при этом разнообразие, достоверность и репрезентативность благодаря стандартизированным процедурам и минимальным ручным корректировкам.

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.