《AI》：Multi-Agent Social Simulation: Protocolizing LLM-Driven Agent-Based Modeling as a Quantitative Research Method
编辑推荐：
社会和行为研究经常需要考察政策冲击、信息干预、平台介导的注意力和治理反馈，但针对真实人群的直接实验受到伦理风险、干预成本和有限可重复性的制约。本研究提出多智能体社会模拟（MASS），一种协议化的大语言模型驱动的基于智能体建模（LLM-driven ABM）形式
社会和行为研究经常需要考察政策冲击、信息干预、平台介导的注意力和治理反馈，但针对真实人群的直接实验受到伦理风险、干预成本和有限可重复性的制约。本研究提出多智能体社会模拟（MASS），一种协议化的大语言模型驱动的基于智能体建模（LLM-driven ABM）形式，设计为一种低风险、可重复、可审计的预实验模拟方法，用于定量研究。MASS将大语言模型（LLM）嵌入基于智能体建模（ABM）框架，并利用角色设置、轮次调度、信息控制、背景规则控制、结构化输出、约束检查、原因-动作日志和复制清单，将开放式语言生成转化为可记录、可检查、可统计分析的智能体-轮次观测值。该方法通过新泽西-宾夕法尼亚最低工资自然实验、2016年英国脱欧数字竞选背景以及2023年淄博烧烤旅游舆情事件进行评估。结果表明，协议化的LLM-driven ABM能够在政策冲击、信息干预和治理反馈场景中生成可分析且可经验评估的输出。最强的证据涉及规则冲击识别、目标定向下未决定份额的下降以及治理响应、公众情绪和行为意向之间的机制链一致性。MASS不能替代真实世界实验或因果推断；它是一种用于机制预演、风险识别、反事实比较和研究设计准备的预实验模拟方法。
**研究背景、问题与研究动机**
社会与行为科学中，研究人员常需考察政策冲击、信息干预、平台介导的注意力及治理反馈等动态过程，但对真实人群的直接实验受限于伦理风险、高昂干预成本和有限的可重复性。现有方法如自然实验（Natural Experiment）利用真实政策变化构建因果识别逻辑，但研究人员无法主动设置干预时间、强度或重复实施；兵棋推演（Wargaming）与政策博弈虽能模拟多角色互动，但可重复性弱且定量输出不足；基于智能体建模（Agent-Based Modeling, ABM）通过异质性智能体、局部交互和规则产生宏观涌现，但其行为规则通常由人工预设，难以处理语言互动、角色诠释和情境判断。大语言模型（Large Language Model, LLM）驱动的ABM（LLM-driven ABM）引入语言生成能力，但面临输出时序错误、角色身份偏移、数据污染、规则误用及重复困难等问题。为此，本研究提出多智能体社会模拟（Multi-Agent Social Simulation, MASS），将LLM驱动的ABM协议化为一种低风险、可重复、可审计的预实验模拟方法，旨在为机制预演、风险识别、反事实比较和研究设计准备提供工具。
**研究人员开展的研究及结论**
研究人员通过三个差异化案例评估MASS：案例1基于新泽西-宾夕法尼亚最低工资自然实验，模拟快餐店经理群体在政策冲击下的管理决策；案例2以2016年英国脱欧数字竞选为背景，比较目标定向（targeting）与非目标定向条件下选民群体态度的变化；案例3以2023年淄博烧烤旅游舆情事件为参照，考察主动治理与被动治理反事实情景下组织响应、公众情绪与行为意向的机制链。结果表明，协议化的LLM-driven ABM能在政策冲击、信息干预和治理反馈场景中生成可分析、可经验评估的输出。最强证据集中于规则冲击识别、目标定向下未决定份额（undecided_share）的显著下降以及治理响应、公众情绪与行为意向之间的方向一致性机制链。MASS并非真实世界实验或因果推断的替代，而是用于机制预演、风险识别、反事实比较和研究设计准备的预实验模拟方法。该论文发表在《AI》期刊。
**主要关键技术方法**
研究人员设计了协议化控制方案，核心包括：角色设置（Role Settings）通过角色卡定义智能体身份、行为目标与信息权限；轮次调度（Round-Based Scheduling）按预设时间粒度推进模拟；信息控制通过公共板（Public Board）和字段级访问范围实现信息边界管理，防止数据污染；背景规则与实验条件控制（Background Rules and Experimental Condition Control）设定政策变化、干预条件等外生变量；结构化输出（Structured Outputs）要求智能体返回预定义字段，便于统计检验；约束检查（Harness Checks）和本地检查（Local Checks）分别检测角色边界、信息边界与格式错误；原因-动作日志（Reason-Action Logs）和复制清单（Replication Manifests）记录行为生成过程与运行参数，支持过程审计与可重复性。三个案例的样本来源基于真实事件（新泽西-宾夕法尼亚最低工资自然实验、2016年英国脱欧数字竞选、2023年淄博烧烤舆情），但未使用真实平台微观数据，仅作为背景构造与外部参照。
**研究结果**
**4.1 数据完整性与协议化控制效果**
三个案例均产生可解析的正式分析记录，失败调用或无效输出保留在完整日志中，不进入正式统计。协议化控制显著降低了时序错误、角色偏移等故障模式，结构化输出通过率较高。
**4.2 案例1：规则约束下的管理决策**
通过双重差分（Difference-in-Differences, DID）和叁重差分（Difference-in-Difference-in-Differences, DDD）分析，政策冲击组（A/B/D组）相对于反事实组（C组）的DDD估计值为+0.753（p<0.001），表明最低工资规则可稳定进入经理的起始工资决策。价格变量呈现显著但较弱的传递效应，而就业变量（target_fte）未达到常规显著性。结论：MASS能识别显性制度规则冲击，但就业变量不稳定，不宜解释为真实经济效应的精确预测。
**4.3 案例2：差异化信息暴露下的群体态度**
目标定向组（A-F组）与非目标定向对照组（G-H组）的DID结果显示，未决定份额（undecided_share）的DID估计值为-0.044（p=0.028），表明目标定向机制显著降低未决定群体比例。脱欧支持率（leave_support）方向符合预期但未达显著；其他变量如留欧支持率、投票意向等未形成稳定差异。已知群体排序（known group ordering）显示，倾向脱欧或摇摆选民群体始终比年轻城市留欧选民具有更高的脱欧支持率，说明角色设置维持了群体差异。结论：主要证据来自未决定份额下降与群体排序稳定性，而非单一支持率变量的显著变化。
**4.4 案例3：平台注意力与治理反馈下的集体行为**
主动治理条件（A-F组）相对于被动治理反事实条件（G组）的DID结果表明，主动治理显著提高了资源水平、渠道有效性、正向情绪、访问意向、推荐意向和官方信任度，同时降低了合规风险与负向情绪。机制链相关性分析显示，合规风险与负向情绪显著正相关，正向情绪与访问意向存在显著或接近显著的正相关。结论：MASS能在多智能体交互中生成具有方向一致性的组织响应、公众情绪与行为意向链条，但该结果属于舆情过程模拟与机制链检验，而非真实平台数据的直接复现。
**4.5 跨案例验证总结**
三个案例提供互补性证据：案例1支持规则冲击识别，案例2支持信息干预分化，案例3支持多智能体过程模拟。协议化的LLM-driven ABM能在政策冲击、信息干预和舆情场景中生成可审计、可比较、可经验评估的输出，但该证据仍属预实验模拟证据，不应解释为真实世界因果效应或精确预测。
**讨论与结论**
讨论部分指出，MASS的贡献在于将LLM语言生成能力嵌入ABM的实验结构，通过角色、信息、规则、输出和检查机制将开放式语言转化为可记录、可审计的观测单元。三个案例展示了不同形式的定量转化，但MASS的有效性取决于研究人员如何设计与披露模拟协议，而非LLM本身。研究还识别了局限性：提示敏感性、独立运行次数有限、模型输出需持续校准、训练语料先验难以完全消除，以及证据类型仅限于预实验模拟。伦理边界明确：MASS不能用于真实政策裁决、选民操纵或商业歧视，应作为机制探索与风险预判工具，结合真实证据与专家审查使用。
**结论部分翻译**：本研究提出并评估了多智能体社会模拟（MASS），作为协议化LLM-driven ABM的操作形式。通过角色设置、轮次调度、信息边界、背景规则控制、结构化输出、约束检查、原因-动作日志和复制清单，MASS将LLM智能体的开放式生成能力转化为可记录、可审计、可统计分析的智能体-轮次观测值。针对研究问题1（RQ1），本研究认为LLM-driven ABM可作为行为科学中的预实验社会行为模拟方法，但其方法论定位应是机制预演、反事实比较、风险识别和研究设计辅助，而非替代真实世界实验或因果识别。针对RQ2，本研究显示朴素LLM-智能体模拟容易出现时序错误、角色身份偏移、数据污染、规则或条件错误、缺乏可分析字段的输出、无效数值和重复困难，这些问题需要通过角色卡、信息边界、背景规则、实验条件、输出模式、约束检查、本地检查和复制清单进行协议化控制。针对RQ3，三个案例提供了初步的跨场景证据：案例1支持规则冲击识别，案例2支持信息干预分化，案例3支持在多智能体交互的公共信息环境中进行舆情演化模拟。总体而言，MASS的价值不在于声称能精确预测真实世界结果，而在于将LLM智能体的情境生成能力嵌入可控、可审查、可统计分析的ABM结构中。三个案例表明，协议化的LLM-driven ABM能在政策冲击、信息干预和舆情场景中生成可经验评估的模拟输出。未来研究应继续加强提示鲁棒性、独立运行复制、外部数据校准、跨模型比较、案例盲化和开放可重复性，以使LLM-driven ABM从探索性工具走向社会与行为科学中更成熟的研究方法。
