摘要
LLM-agent 模拟使自然语言社交场景的构建变得简单，但其输出常被误读为预测，并且与明确的社会动态比较时往往存在困难。我们提出了 AgoraSim，一个用于场景导向的社会反应分析的混合智能体建模框架。
AgoraSim 将文本或多模态文献转化为可编辑的 ABM 配置，运行混合 LLM、视觉语言、自定义端点、随机和经典智能体的比例控制人群，并将相同的场景与匹配的经典参考动态进行比较。所有智能体发出一个共享的结构化决策对象，支持共同的行动空间、交互协议、度量标准和审计记录。
AgoraSim 通过本地用户界面、Python SDK/CLI 和 REST API 向用户展示场景轨迹，比较建模假设，并识别需要实证验证的案例。
博主点评： AgoraSim 的出现为社交动态建模带来了新的视角，尤其是在结合了 LLM 和传统智能体的情况下，这种混合方法不仅提升了灵活性，还为实证研究提供了有力支持。