在政策制定中，智能体建模（ABM）能够模拟数百万个个体及其互动。然而，传统的ABM依赖静态先验，导致模型无法实时适应变化。我们的研究提出了一种新颖的方法来填补这一信息空白。大型语言模型（LLMs）为预测人类决策提供了新的机遇。在此，我们介绍了一种可扩展的混合智能体和语言驱动的流行病（HALE）建模框架，利用LLMs在ABM模拟中预测人类决策。作为概念验证，我们使用HALE模拟了COVID-19及其在犹他州盐湖县的影响。
博主点评： 本研究展示了LLM在智能体建模中的潜力，尤其是在动态决策环境中的应用。HALE框架不仅能提升模型的适应性，还能为政策制定提供更精准的决策支持，值得关注与深入研究。