摘要
代理模型（ABMs）依赖于简单、明确且可重现的个体决策规则，而复杂的集体行为则源于代理之间的互动。近年来，随着大型语言模型（LLMs）的发展，将这些规则替换、丰富或干扰以实现LLM驱动的智能能力变得颇具吸引力。然而，这引发了一个方法论问题：引入基于LLM的决策如何影响ABM模拟的可靠性、计算成本和行为？
我们针对Mesa ABM模型进行研究，Mesa是一个流行的Python库，采用统计模型检验进行分析。基于Mesa与统计模型检验器MultiVeStA的集成，我们扩展了经典的Schelling隔离模型，构建了一个混合人群：普通代理使用标准符号规则对邻居进行分类，而有一个代理通过工具调用将此任务委托给LLM。该LLM启用的代理接收邻居的自然语言描述，并调用工具来增加相似/不同邻居的计数；这些计数根据原始的Schelling动态决定其幸福感。这提供了一个最小但受控的环境，可以研究LLM驱动决策在标准ABM中的语义、操作和计算行为。
我们报告了不同规模的本地服务LLM的初步实验，结果显示较小的模型可能无法通过简单的语义分类实验，或者在重复工具调用生成过程中变得不可操作，而较大的模型通过了这些初步检查。我们讨论了如何利用统计模型检验来估计经典ABM可观察量，并量化引入智能LLM组件对模拟模型的影响。
博主点评： 这项研究为代理模型的智能化提供了新的视角，尤其是在LLM的集成上，展示了其在模拟复杂行为中的潜力与挑战。通过统计模型检验的方式，研究者们能更好地理解LLM的决策对模型性能的影响，未来有望推动智能代理模型的应用与发展。