综述：大语言模型驱动的基于智能体的建模与仿真范式：综述与组织框架

《Computer Science Review》：LLM-driven paradigm for agent-based modeling and simulation: A review and organizing framework

　　

•综合构建以大语言模型驱动的仿真生命周期为导向的组织框架。•阐明概念建模的生成式协同设计方法。•系统化仿真建模的认知架构与交互模式。•梳理仿真实验与多尺度有效性评估。•识别固有挑战与未来研究方向。

**1. 引言**

基于主体的建模与仿真（ABMS）已成为分析复杂系统动力学的一种广泛应用的方法论。通过对自主实体的行动与交互进行建模，ABMS提供了一个稳健的框架，用以理解宏观涌现现象如何从微观层面的行为中产生。这一能力使其能够有效弥合个体决策与系统整体演化之间的鸿沟。与传统的自上而下方法（如微分方程和系统动力学）不同，ABMS采用自下而上的视角，增强了模型的可解释性和粒度。它在显式捕捉主体的异质性与适应性方面具有独特优势，从而为再现现实系统的非线性特征提供了一个更灵活、更严谨的平台[1]。

因此，ABMS已被广泛应用于分析跨多个领域的系统性现象，包括能源系统[2]、金融经济学[3]和网络安全[4]。此外，它还是评估政策干预的关键工具，例如电力市场设计[2]和流行病防控策略[5]。ABMS的生命周期通常被划分为三个阶段：概念建模、仿真建模和仿真实验。尽管ABMS已成为研究复杂自适应系统的范式，但传统方法在这些阶段中仍面临方法论瓶颈，限制了仿真系统捕捉和再现现实世界复杂性的能力[6],[7]。

首先，在概念建模阶段，其目标是将现实世界的实体和动态过程转化为结构化的逻辑描述。传统范式过度依赖领域专家的直觉经验来手动定义研究边界和主体属性。这种手动驱动的过程耗时且容易受到认知偏差的影响。同时，对环境的定义往往被过度简化为静态边界，难以构建富含语义信息和上下文逻辑的高保真仿真世界。这导致模型从一开始就存在覆盖盲区。

其次，在仿真建模阶段，研究重点在于设计主体的认知架构和交互规则。传统建模方法通常依赖于基于规则的启发式或强化学习（RL）[8]。前者在预设规则之外的灵活性有限，而后者侧重于奖励优化而非真正的认知仿真。这些主体缺乏类似于人类的高级认知结构，如多模态感知、长期记忆和自我反思，难以在高保真仿真中支撑复杂的社会交互和动态任务规划。此外，该阶段涉及可执行代码的生成，这一过程存在重大技术壁垒，要求同时具备领域知识和编程技能（如Java或Python）的双重专长。

第三个阶段是仿真实验阶段，需要将抽象模型和任务场景转化为可执行的实验方案进行分析。值得注意的是，在设计这些方案时，研究者的主观偏见可能无意间影响实验。此外，在验证复杂的涌现现象时，传统统计方法往往难以弥合微观行为一致性与宏观系统动力学之间的鸿沟。这种解释性差距使得研究人员难以从大量仿真日志中提取具有科学价值的洞察或因果解释。

诸如GPT[9]、Qwen[10],[11]和DeepSeek[12]等模型已在海量的人类文本和代码语料上进行预训练，涵盖广泛的预训练知识、常识推理和细微的社会理解[13],[14]。这些能力使它们能够处理自然语言指令、执行上下文学习，并生成类人的计划和推理[15],[16],[17]。这为创建具有复杂、语义更丰富的认知架构的智能主体提供了可行基础，从而赋能整个ABMS开发生命周期。借助这些固有的认知优势，大语言模型解决了传统ABMS的局限性：

- **概念建模**：大语言模型促进了从手动指定到生成式协同设计的转变。利用其语言处理能力，它们协助建模者定义仿真边界、构建动态世界引擎，并通过自然语言交互生成专业化和个性化的主体特征。

- **仿真建模**：大语言模型使构建稳健的认知架构成为可能。通过集成多模态感知、动态记忆和层次化规划等模块，主体获得了更具表达力的决策表示。此外，大语言模型支持复杂博弈论交互和基于自然语言的通信拓扑，实现更丰富的语言中介交互。最终这些内容被转化为可执行的计算机代码。

- **仿真实验**：大语言模型的生成能力弥合了设计与实验实施之间的鸿沟。此外，在实验分析中，大语言模型充当多尺度分析器，评估微观层面的主体一致性并解读宏观层面的涌现现象。

大语言模型驱动的ABMS正在引起各学科的广泛关注[18],[19],[20]。这种跨学科的努力已取得重大进展，展示了大语言模型驱动的ABMS在从社会仿真到军事作战仿真等多个专业领域的潜力。

尽管该领域发展迅速，但现有文献仍相对分散，单项研究往往仅关注建模过程的不同部分。近期的综述开始整合这些发现，但它们在范围和侧重点上有所不同。关于大语言模型驱动的ABMS的一般性综述侧重于主体构建与评估，而非ABMS的生命周期[21]。以ABMS为导向的综述通常围绕应用领域或特定子问题展开，而非分阶段的方法论[22],[23],[24]。此外，其他贡献多为领域特定的框架、教程或立场论文，通常围绕单一应用领域或单一示例模型[20],[25],[26],[27]。表1提供了部分相关研究的基本信息及其对ABMS生命周期各阶段所涉及的生成能力的覆盖情况。如对比所示，此前每项研究仅涉及生命周期的部分阶段，鲜有明确地在单一生命周期导向的组织框架内整合这些阶段。本综述旨在通过整合分散的文献，构建涵盖概念建模、仿真建模和仿真实验的生命周期导向组织框架来补充这些研究。

**表1. 本综述与大语言模型驱动的基于主体建模与仿真代表性研究的比较**

| 工作 | 类型 | 范围 | 年份 | 概念建模 | 主体认知 | 通信 | 代码生成 | 分析 | 统一 |
|------|------|------|------|---------|---------|------|---------|------|------|
| Wang等[21] | 综述 | 一般（主体） | 2024 | ? | ● | ? | ? | ? | ? |
| Gao等[22] | 综述 | 一般 | 2024 | ? | ? | ? | ? | ? | ? |
| Lu等[23] | 综述 | 复杂系统 | 2024 | ? | ? | ? | ? | ? | ? |
| Larooij & T?rnberg[24] | 综述 | 社会 | 2025 | ? | ? | ? | ? | ? | ? |
| Liu等[25] | 立场论文 | 交通 | 2025 | ? | ● | ? | ? | ? | ? |
| Gürcan[26] | 立场论文 | 社会 | 2024 | ? | ? | ? | ? | ? | ? |
| Ghaffarzadegan等[20] | 教程 | 一般 | 2024 | ? | ? | ? | ? | ? | ? |
| Wu等[27] | 方法 | 一般 | 2023 | ? | ? | ? | ? | ? | ● |
| 本综述 | 综述 | 一般 | — | ● | ● | ● | ● | ● | ● |

**注：** 最右侧六列表示本综述对ABMS生命周期所需的生成能力覆盖的编码，评级为完全覆盖（●）、部分或隐式涉及（?）或未涉及（?）。各列定义如下。**概念建模（Con）** 是指从自然语言生成构建概念模型，包括本体抽取、主体属性提取和关系获取。**主体认知（Cog）** 是指设计模块化的认知架构，整合感知、记忆和推理。**通信（Com）** 是指多主体间交互与通信的设计。**代码生成（Cod）** 是指利用大语言模型生成可执行的仿真代码。**分析（Ana）** 是指结合微观定量指标与宏观涌现行为的多尺度分析。**统一（Uni）** 是指将这些阶段整合到共同的生命周期导向组织结构中。

鉴于大语言模型驱动的ABMS的快速发展和跨学科特性，本文采用生命周期导向的文献综合而非系统性证据评价协议。相关研究通过结合大语言模型、生成式主体、基于主体建模与仿真以及本综述讨论的主要方法论活动等相关术语的组合，从主要计算机科学和跨学科出版物中迭代识别。引文追踪以及从相关综述和方法论研究中获取的参考文献也被用于识别额外的工作。本文献收集的目的是支持跨概念建模、仿真建模和仿真实验的方法论综合，而非声称全面覆盖所有出版物或估计证据效应量。据此，文献根据其方法论与这些生命周期活动的相关性进行组织，并在必要时辅以语言模型技术和传统ABMS方法的基础参考文献。

本文其余部分结构如下：第2节回顾相关工作，对比传统ABMS与大语言模型驱动的范式。第3节总结生命周期导向的组织框架。对三个核心阶段的详细讨论分别在以下章节中提供：第4节大语言模型驱动的ABMS概念建模：将概念转化为模型（4.1文本标准化，4.2主体属性提取，4.3主体关系获取与UML图生成，4.4大语言模型驱动的ABMS概念建模案例研究）；第5节大语言模型驱动的ABMS仿真建模：仿真模型生成（5.1主体设计，5.2通信设计，5.3代码生成，5.4大语言模型驱动的ABMS仿真建模案例研究）；第6节大语言模型驱动的ABMS仿真实验：实验与结果分析。第7节报告配套案例研究的实施细节，第8节阐述挑战与未来研究方向。最后，第9节总结全文。

**2. 相关工作**

**2.1. 基于主体的建模与仿真**

ABMS标志着系统科学研究范式的根本转变，有别于还原论式的自上而下视角。该范式认为，跨多个领域（如军事仿真、社会动力学仿真和经济仿真）系统中观测到的宏观复杂性并非源于显式的全局治理规则，而是源于主体自主性、异质性及其去中心化的非线性交互所驱动的涌现过程。在此框架内，主体被定义为在特定环境中运行的计算实体，具备感知其局部环境、维护内部状态并做出决策以实现设计目标的能力[28]。

随着能源、交通和金融系统日益互联和数据密集化，主体行为的真实性和仿真框架的可扩展性已成为研究前沿。以下部分从不同维度回顾了最新进展，展示了经典ABMS应用的广度及其日益增长的成熟度。

近期ABMS研究的一个显著轨迹聚焦于关键基础设施的转型，特别是能源市场和高速交通领域。Pan和Jing[29]开发了一个精密的电力市场机制设计框架，通过强化学习解决发电公司的非线性成本特征问题。从线性假设向分段阶梯报价模型的转变标志着在捕捉市场均衡方面向更高保真度迈进。类似地，Tu等[30]利用ABMS预测北京到2030年的城市电动汽车能耗，采用时空异质性场景指导电网加固。在重型基础设施领域，Kou等[31]开创了一个多主体平台来模拟高铁组件，弥合了个体组件行为与宏观系统性能之间的鸿沟。

大量文献将ABMS应用于解析城市出行的复杂性，涵盖从个体行人选择到自动驾驶车辆控制的范围。Kaziyeva等[32]引入了一种大规模行人交通模型，纳入活动选择和路径选择的概率决策规则，实现了高分辨率的时空精度。聚焦于交通枢纽内的微观行为，Deng等[33]将元胞自动机与ABMS结合以模拟客流，专门建模了基于模糊逻辑的通道选择和群体竞争。超越物理移动，Cele等[34]通过识别弱势地区公共交通满意度的影响因素来处理社会技术层面问题，指出在被动通勤群体中，速度和基础设施质量比等待时间更为重要。此外，Outay等[35]探索了未来出行的运营安全性，对比了基于反应时间的协作速度控制与标准智能驾驶员模型在自动驾驶车辆中的表现，证明面向主体的模型可以显著降低恶劣天气下的碰撞率。

ABMS应用的一个新兴领域在于其建模金融和社会系统中涌现现象的能力。Ding等[36]通过提出W-DebtRank——一种加权度量——来解决银行间借贷网络的复杂性，该度量考虑了银行异质性和动态网络匹配以模拟系统性风险传染。与此互补，Lu等[37]在时间交互网络上设计了一种新颖的股价模型，模拟资深交易员和普通交易员之间的信息传播。他们的工作证实，主体异质性和社会网络结构是市场多重分形性和波动聚集性的基本驱动力。

在更细致的社会层面上，Bao等[38]研究了混合工作模式的权衡取舍，发现尽管灵活的远程办公能够改善工作生活平衡，但可能悖论式地因减少了自发的面对面互动而抑制创新。近期基础性综述和方法论整合促进了人们对ABMS领域的全面理解。Abar等[39]对85个ABMS工具包进行了详尽的综述，提供了一个分类体系，帮助研究人员根据专业领域和应用领域选择合适的软件。随着网络向6G演进，Shakya等[40]发表了首份关于5G+网络ABMS的系统性综述，倡导向复杂系统科学和数字孪生方向转变。此外，Bemthuis和Lazarova-Molnar[41]建立了方法论前沿，他们探索了流程挖掘与ABMS的整合。这种协同作用使得可以从事件数据中自动发现智能体行为，解决了模型验证和经验基础的长期挑战。在架构领域，Stieler等[42]基于实体表示对ABMS应用进行了分类，为模拟复杂的设计与施工动态提供了路线图。

2.2. 大语言模型与模拟应用

大语言模型（LLM）在模拟环境中的整合从个体认知增强延伸到集体智能的编排。虽然单个智能体决定了行为表示的重要方面，但该范式的一个研究方向在于复现系统级现象。我们将现有文献分为两个不同维度：交互层面的应用，侧重于通过博弈论模型研究二元或群体动态；以及系统层面的应用，探索复杂系统的整体建模、管理和分析。

2.2.1. 交互层面的应用

多智能体交互设计模块从博弈论视角出发[43]，协调个体间的决策并将其汇聚为群体结果。它包括智能体间的竞争、合作和混合模式，以及整合不同交互模式的系统级模拟，为复杂社会模拟奠定了基础。

在零和博弈中，一方的收益是另一方的损失，系统通过构建高度适应的智能体来实现模拟任务。例如，在军事模拟中，智能体配备了分布式决策架构、混合记忆模块以及基于博弈知识库的多层级推理能力。这使得它们能够在部分可观测环境中有效适应并反制动态对手的策略[44]。此外，研究人员通过提示工程和思维链（CoT）模拟消费者在特定市场场景中的支付意愿。这种模拟从根本上探讨了竞争性市场结构内部的经济冲突和权衡，例如生产者与消费者之间的冲突[45]。

相反，在正和场景中，LLM被用于角色扮演框架中来培养协作行为[46]、[47]、[48]。这使得两个或多个智能体能够自主通信并遵循指令，从而协作完成复杂的共享任务[49]、[50]、[51]、[52]、[53]。在人机协作[54]和AI辅助科学发现[55]中，智能体负责任务规划或充当专家小组以达成共识。此外，研究在信任博弈中复现了人类的信任行为[56]，在行为经济学实验中，验证了它们在模拟人类社会偏好方面的可行性[57]。

在一般和博弈中，融合了竞争与合作，LLM展示了其建模复杂社会谈判和混合动机的能力。一个典型示例是MAPS框架[58]，其中智能体扮演具有不同利益的城市规划利益相关者，需要通过圆桌讨论和投票进行谈判和妥协。这种复杂性延伸到了人机协作中。LLM可以被赋予人格以影响社会互动质量[59]。利用复杂的推理和记忆能力，它们能够理解航空航天装配等任务中人类发出的顺序指令，实现灵活的人机协作[60]。同时，在合作与竞争并存的情景中，LLM可以协调多智能体决策过程。其内部多模态架构本质上以合作方式运作，以实现外部的竞争性目标，形成复杂的一般和博弈论结构[61]。

2.2.2. 系统层面的应用

在系统级模拟中，现有研究开始利用LLM来构建或协助分析表现出集体行为的复杂系统[62]、[63]、[64]。初步努力集中在实例化原型系统以验证集体可行性上。例如，现有工作实现了一个由10个智能体组成的模拟原型。这些智能体在一个简化的微观城市交通网络中协作运行，验证了LLM驱动的多智能体在共享系统规则下集体交互的可行性[25]、[65]。除了直接驱动智能体，LLM还在关键的系统级模拟阶段发挥作用。在基于模型的系统工程中，LLM通过整合记忆方法与迭代验证机制来增强系统建模，LLM可以自动将高层自然语言规范转换为形式化SysML-v2模型，为后续模拟提供严格的结构基础[66]。同时，LLM也被用于宏观层面的模式分析。研究表明，通过特定的提示工程，LLM能够有效地评估海量非结构化数据（如社交媒体帖子），以识别潜在疾病暴发和其他宏观社会模式，其准确性与人类相当[67]。此外，LLM被部署为系统中的智能控制组件。例如，在智能交通信号控制应用中，LLM驱动的智能体充当核心控制器。通过集成视觉感知工具来理解路口实时宏观交通状况，并进行逻辑推理以生成信号切换决策，从而主动管理和优化系统[68]。研究强调，复杂社会系统过程（如社会网络中的群体决策）代表了LLM驱动的系统级模拟的前沿[69]。

2.3. LLM驱动ABMS的生命周期视角

前述章节概述了经典ABMS的广度以及LLM驱动交互的结构分类。然而，要全面理解LLM驱动的ABMS范式，需要审视其底层的程序工作流。为了系统评估LLM如何重塑模拟工程，必须将现有文献映射到标准的ABMS生命周期中。

我们将当前的LLM驱动ABMS研究组织为三个基本阶段：概念建模、模拟建模和模拟实验。这种基于生命周期的分类澄清了每个阶段的方法论贡献和现有问题，同时也为第3节中总结的框架提供了基础。

本节依次在研究方向层面讨论每个阶段。具体技术和实现机制将在以下章节中讨论：第4节 LLM驱动ABMS概念建模：将概念转化为模型，4.1 文本标准化，4.2 智能体属性检索，4.3 智能体关系获取与UML图生成，4.4 LLM驱动ABMS概念建模的案例研究；第5节 LLM驱动ABMS模拟建模：模拟模型生成，5.1 智能体设计，5.2 通信设计，5.3 代码生成，5.4 LLM驱动ABMS模拟建模的案例研究；第6节 LLM驱动ABMS模拟实验：实验与结果分析。

为阐明这种映射关系，表2基于第2节中进行的代表性研究对生命周期阶段及其各自角色进行了分类，并纳入了与方法学研究方法对比分析。

表2. ABMS生命周期中代表性研究的分类。

生命周期阶段 | 角色 | 代表性研究 | 年份 | LLM核心机制/方法论贡献

概念建模
- 语义形式化
- Kreikemeyer等[70]，2025：从自然语言生成形式化DSL模型。
- Fachada等[71]，2026：将ODD规范翻译为智能体实现。
- 知识与本体提取
- Soularidis等[72]，2025：使用角色扮演智能体和RAG构建领域本体。
- 场景锚定与逆向抽象
- Nie等[73]，2026：将模型参数锚定在提取的真实世界证据中。
- Neykova和Groen[74]，2025：从现有模拟代码推断概念模型。
- 知识抽象（综述）
- Giabbanelli[75]，2026：综述了为ABMS抽象知识的LLM技术。
- 手动抽象
- Kaziyeva等[32]，2023：专家手工创建行人的概率选择规则。
- Stieler等[42]，2022：通过实体-表示分类体系组织概念。

模拟建模
- 智能体认知
- Wang等（AnnaAgent）[76]，2025：通过三层记忆架构维持行为。
- Du[77]，2026：将智能体记忆视为写入与读取过程。
- Wei等[78]，2026：围绕规划、搜索和工具使用组织推理。
- 环境建模
- Duan等（LatticeWorld）[79]，2025：通过渲染引擎合成可交互的3D世界。
- Bruce等（Genie）[80]，2024：从视觉提示生成可控环境。
- 通信与协调
- Li等（CAMEL）[49]，2023：通过角色扮演协议引导合作。
- Rasal[81]，2024：让多样化智能体共同探索解空间。
- Chen等（AutoAgents）[82]，2024：为给定任务生成专业智能体团队。
- 代码生成
- Martínez等[83]，2025：通过少样本提示和RAG生成NetLogo代码。
- Gurkan等（LEAR）[84]，2025：通过LLM驱动的代码变异演化智能体规则。
- 手工编码行为
- Outay等[35]，2022：将协作速度控制编码为固定规则。
- Lu等[37]，2023：在时序交互网络上建模价格动态。

模拟实验
- 实验与场景设计
- Yan等（OpenCity）[85]，2025：以城市规模模拟城市活动。
- Kuroki等（Shachi）[86]，2026：实现受控的、配置可变的实验。
- Liu等[87]，2024：用生成式智能体设计替代人类被试。
- 验证与解释
- Larooij和T?rnberg[24]，2025：批评社会模拟中对表面效度的依赖。
- Bemthuis和Lazarova-Molnar[41]，2025：通过流程挖掘实证性地锚定智能体行为。
- 实证分析
- Ding等[36]，2024：量化银行网络中的系统性风险传染。
- Pan和Jing[29]，2025：通过强化学习评估市场机制。

2.3.1. 概念建模

概念建模阶段的目标是将非结构化的现实世界系统抽象为形式化表示，以支持后续的模拟设计与实现。在传统ABMS中，这一过程主要依赖于手动知识提取和专家驱动的抽象，使得概念模型构建耗费大量人力和时间，且容易受到主观偏差的影响。近期研究表明，LLM可以通过充当语义抽象引擎，在将非正式领域知识与正式模拟表示之间架起桥梁，从而大幅增强这一阶段的能力。

一条研究方向聚焦于语义形式化。而不是要求建模者手动将文本描述转换为模拟规范，LLM可以将自然语言叙述转换为结构化的模型表示。近期研究表明，微调后的LLM能够将文本系统描述转换为可执行的领域特定模拟模型，准确度较高，为非正式知识到正式模拟规范提供了一条有效途径[70]。类似地，ODD到代码翻译的研究表明，当代LLM可以直接从标准化模型描述中生成功能上忠实的基于智能体的实现，进一步缩小了概念规范与计算模型之间的差距[71]。这些能力表明，LLM可以作为语义翻译器，自动化概念模型形式化的大部分工作。

第二个研究方向是LLM在知识提取和概念结构构建中的应用。LLM可以从异构知识源中提取实体、关系、行为机制和领域概念。近期关于自动化本体工程的研究表明，基于LLM的ABMS可以在有限的人工干预下协作构建领域本体，而检索增强架构可以整合外部领域知识，从而提高本体的完整性和有效性[72]。这些方法为概念模型开发过程中识别模拟实体并形式化其关系提供了一种可扩展的机制。

第三个方向是基于知识的场景构建和概念验证。通过结合检索大量文档、报告和领域描述，LLM可以从真实世界证据中自动推导模拟参数、行为假设和场景规范[73]。这一能力使得概念模型可以基于持续更新的背景知识。此外，近期研究表明，LLM可以直接从模拟代码中推断出高层概念结构，提取出与专家生成的概念模型高度相似的结构、行为和时间组件[74]。这种双向推理能力表明，LLM不仅可以支持概念模型的生成，还可以支持其验证和一致性检查。

这些研究共同表明，LLM在概念建模中的作用正从简单的文本处理演变为更广泛的知识抽象范式[75]。

2.3.2. 模拟建模

模拟建模阶段通过将智能体认知、环境动态、智能体间交互和计算实例化，将抽象概念转化为可执行的模拟系统。近期研究越来越多地利用LLM来实现这一目标。现有研究可大致分为四个领域：智能体认知、环境建模、通信机制和代码生成。

LLM驱动的智能体不再依赖固定行为规则，而是越来越多地整合记忆、推理和工具使用机制，通过语义推理和上下文理解来生成行为。早期研究表明，工具调用可以作为语言模型的内在能力，使智能体能够在决策过程中与外部资源交互。近期研究通过纳入长期记忆和自反思推理扩展了认知架构。例如，AnnaAgent引入了三级记忆结构和动态情绪与认知模块，使智能体能够在多次交互中维持行为一致性并持续演化[76]。类似地，Du等[77]将智能体记忆概念化为写入与读取过程，支持信息的长期持久化、检索和适应。同时，一些文献表明，智能体推理可以围绕规划、搜索、反馈驱动的适应和工具介导的行动来组织认知能力[78]。

在应用层面，如GPLab等框架展示了认知增强的智能体如何模拟异质性社会参与者，并生成能够反映有限理性和情境性政策理解的适应性行为[88]。总体而言，这些研究推动了ABMS从手工设计的行为规则向具备推理、学习和适应能力的基于认知的智能体架构演进。

除了对个体智能体建模之外，最近的研究开始探索仿真环境本身的生成。传统的ABMS通常假设由人工构建的环境，其结构在整个仿真过程中保持静态。相比之下，生成式世界建模的进展旨在从高层描述中自动合成动态且可交互的环境[89]。例如，LatticeWorld将大语言模型与工业级渲染引擎相结合，生成了包含可交互智能体、真实物理动力学和多模态环境元素的大规模三维世界[79]。类似地，Genie提出了一种基础世界模型，能够直接从视频、图像、草图或文本提示中生成可操作控制的虚拟环境[80]。这些方法代表了从手工构建的仿真空间向生成式世界构建的转变，使环境能够从语义规范中涌现，而非通过显式编程实现。这些进展暗示了一个未来方向，即智能体与环境可以联合生成，从而有可能减少仿真开发所需的人工劳动。

另一条主要研究路线探讨了多个基于LLM的智能体如何通过通信进行协调。现有研究表明，当自主智能体交换信息、协商解决方案并承担互补角色时，集体智能可以涌现。角色扮演框架如CAMEL建立了结构化的通信协议，通过预定义的智能体身份和交互规则引导协作式问题解决[49]。在此基础上，后续工作证明，多智能体通信可以通过让具有不同视角的智能体协同探索解空间来提高推理性能[81]。更近期地，像AutoAgents这样的自适应框架根据任务需求动态生成专门的智能体团队，并通过规划和反思机制协调协作[82]。这些进展从孤立的智能体决策转向了社会情境化的仿真，其中交互本身成为涌现系统行为的来源。对于ABMS而言，此类通信架构为建模复杂的社交过程提供了基础，包括谈判、协调、合作和集体决策。

最后一个研究方向涉及将概念性规范自动转化为可执行的仿真模型。现有研究越来越多地利用LLM来弥合概念建模与软件开发之间的差距，从而减少与仿真编程相关的技术壁垒。最近的工作证明，问答模型可以从文本描述中系统地提取与仿真相关的信息，并将概念知识转化为机器可读的表示形式，以适应后续模型实现[90]。其他研究探索了ABMS代码的直接生成，表明少样本提示可以从自然语言规范中有效地生成NetLogo程序和界面组件[83]。除了直接代码合成外，LLM也被纳入演化编程框架中，在其中生成的代码变异在智能体演化过程中引入了语义上有意义行为变异[84]。总体而言，这些方法暗示了从手工仿真编码向半自动化或全自动化实现流水线的逐步转变，使概念设计能够快速转化为可执行的仿真模型。

2.3.3 仿真实验

仿真实验阶段侧重于执行仿真实验、分析系统动力学和评估模型有效性。最近的研究提出了两个新兴研究方向。

第一个方向是利用LLM支持实验设计和场景分析。通过利用领域知识和行为先验，LLM可以协助构建实验设置、生成合理的场景，并以较少的人工干预来探索参数空间。最近的工作提出了使用LLM驱动的生成式智能体作为人类参与者的替代方案，用于实际实验成本高昂、不切实际或存在伦理限制的情况[87]。

第二个方向涉及验证和结果解释。现有研究越来越认识到，LLM驱动的仿真可信度不仅取决于智能体行为的真实性，还取决于严格的评估程序。最近的研究采用了经验基准、行为对齐测试和真实世界事件模拟来评估涌现结果是否与观察到的现象相对应。例如，Shachi评估了智能体对真实世界关税冲击的响应，并表明外部效度关键取决于认知组件的配置[86]。其他系统，如OpenCity，将模拟的移动流量和隔离模式与真实世界城市数据进行比较，以建立经验基础[85]。LLM还被用于分析大量仿真输出和非结构化社会数据，使得能够以与人类相当的性能识别宏观层面的行为模式。然而，验证仍然是一个重大挑战。越来越多的文献指出，当前研究往往依赖于表面效度或结果层面的吻合，而很少提供底层生成机制本身具有经验合理性的证据[24]。LLM的随机性和不透明性进一步增加了校准、可重复性和因果解释的复杂性。因此，建立能够同时评估微观行为保真度和宏观涌现结果的连贯验证框架，仍然是LLM驱动的ABMS的核心研究挑战。

3. 问题描述与方法论

3.1 问题描述：结构性瓶颈

ABMS的基础挑战在于智能体决策架构的结构性局限。传统上，智能体由在有限理性框架内设计的处方性规则或启发式函数所支配[91]。虽然这些模型通过显式的逻辑条件有效地捕捉了局部交互，但它们本质上受限于建模者的预见性[92]。随着目标系统的复杂度增加，对预定义脚本的依赖导致了生成适应性的缺失，智能体无法应对超出其初始编程范围的环境变化或社会动态。这种对人工定义的依赖构成了在开放式或高保真场景中模拟涌现现象的显著障碍。

微观层面的智能体行为与宏观层面的系统涌现常常表现出非线性关系，这意味着系统的整体特征无法通过简单地聚合其组成部分的属性来推导[93]。因此，ABMS的仿真保真度通常由微观和宏观层面的设计共同决定：在微观层面，建模者必须精确定义智能体属性（如设备使用寿命、武器性能或作战范围等动态或静态变量）、行为规则和交互拓扑。在宏观层面，仿真执行通常通过离散时间协调系统进行。在这一过程中，智能体根据本地信息按预定规则行动，无需了解全局状态。这种去中心化的特征使ABMS能够复现真实系统的固有随机性和相变现象，使其成为研究复杂系统的标准范式。它也为检验那些在真实世界中难以通过实验验证的假设提供了仿真平台。

然而，系统仿真的有效性从根本上受制于微观行为模型的保真度。如果智能体的认知表征过于简化，其产生的涌现现象可能仅仅是计算伪影，无法解释系统的真实机制。

向学习型智能体的演化试图通过允许智能体通过交互发现策略来缓解这种僵化性。然而，这一转变引入了另一组系统性瓶颈，主要集中在动机的还原主义和推理的不透明性方面。大多数学习范式将人类决策的多维度、往往非理性的特性简化为标量信号。这种奖励工程常常无法封装文化价值、情绪状态或社会规范等定性动机因素，除非将它们数学形式化为复杂的多目标函数。此外，这些智能体的决策逻辑通常封装在亚符号结构中，导致缺乏因果透明度。在理解底层机制与结果同等重要的仿真中，这些模型的"黑箱"特性对验证和科学可解释性构成了重大挑战[94]。

除了这些技术约束之外，缺乏灵活的语义接口也可能带来局限性。现有智能体，无论是基于规则的还是通过学习优化的，通常都在封闭世界假设下运作，交互被限制在离散信号或数值张量上。这种缺乏共享语义接口的情况可以限制对高级语言中介社交行为的表征，如细微的谈判、策略性欺骗或复杂信息的传递。因此，智能体仅限于行为模仿而非认知模拟，无法反映人类推理和语言交互的深度。

在智能体设计之外，初始化阶段也提出了挑战。从概念场景中准确提取关键仿真元素构成了整个执行的基准。在传统ABMS工作流程中，这些元素主要来自专家知识、领域文献或人工建模工程。虽然在结构化良好的领域中行之有效，但提取过程的质量高度依赖于开发者的经验、领域专业知识和主观判断。不同的专家可能对同一场景构建出显著不同的表征，导致模型假设、抽象层次和仿真结果的差异。此外，复杂场景的人工形式化通常劳动密集且难以扩展，尤其是当仿真领域包含大量非结构化文本信息或快速演化的上下文知识时。因此，场景形式化仍然是影响ABMS开发效率和可重复性的重大瓶颈。

在仿真后分析阶段，进一步暴露了另一个局限性。ABMS的最终目标不仅仅是生成系统演化的轨迹，而是要推导出关于产生所观察到的现象的机制的科学洞见。现有的分析工作流程通常依赖于预定义的序参量、统计指标和仿真日志来表征系统动力学。虽然这些方法有助于定量评估，但相关指标的选择及其意义的解释仍然高度依赖人类专业知识。更重要的是，涌现现象经常来源于跨多个时间尺度和组织尺度的复杂交互，这使得仅通过孤立指标难以识别。数值指标的变化可能揭示已发生相变，但通常对相变为何出现、哪些交互因素促成了它以及观察到的行为如何与底层仿真上下文相关联的解释力有限。因此，定量测量与定性解释之间仍然存在巨大鸿沟。弥合这一鸿沟需要能够整合仿真数据与上下文知识的方法，从而实现对涌现过程的系统性发现、解释和验证，而非仅仅报告其可观察的表现。

3.2 需求分析：解决方案要求

为了系统地解决上述局限性，首先对传统ABMS范式的生命周期进行了形式化定义，并指出了其结构性瓶颈。这种形式化为组织现有的LLM驱动的ABMS研究提供了分析基础。

ABMS的开发和应用可以被抽象为一个端到端的映射过程?，将真实世界的概念场景??和领域知识??转化为计算模型?、仿真结果?，并最终转化为科学洞见?。这一生命周期依次涵盖三个核心转化：概念化映射?concept:(??,??)→?、执行映射?exec:?→?和解释映射?interp:(?,?)→?。

虽然概念上合理，但传统ABMS范式在这些递进映射中存在关键的结构性瓶颈。首先，概念化映射主要由人类专业知识主导。将非结构化场景抽象为形式化的智能体属性高度依赖主观判断，使建模过程劳动密集、难以扩展，且对开发者偏差高度敏感。其次，在执行阶段，智能体基于预定义的行为策略π?(s????, o????, ?????; Θ)更新其状态并采取行动。由于交互信号?????通常被限制在有限的离散状态空间??或简单的数值向量中，策略在遇到分布外事件ood?Otrain时往往表现出性能退化或无法产生鲁棒的适应性行为。此外，有限的语义表征可能限制对更高级的语言中介社会动力学的表征。

最后，这些局限性汇聚成一个解释瓶颈。设Φ:?→??为捕捉涌现现象的宏观观测函数。由于微观映射π?缺乏可追溯的推理链，最终的解释映射?interp通常依赖于推测性的人类推断而非明确的因果证据。这种因果不透明性使得严格解释驱动所观察到的宏观相变背后的底层机制变得极其困难。

3.3 研究方法：解决途径

为了应对上述局限性，最近的ABMS研究越来越多地探索大语言模型（LLMs）的集成。这些研究并非取代既定的ABMS方法论，而是在选定的建模和实验任务中引入语言中介能力，包括语义抽象、智能体决策支持、通信、代码生成和结果解释。

为了组织关于LLM驱动的ABMS的新兴证据，本综述通过一种面向生命周期的组织框架对文献进行了综合。

如图 1 所示，该框架遵循既定的 ABMS 生命周期：概念建模、仿真建模和仿真实验。其目的并非引入新的仿真方法论，而是为比较当前如何使用大语言模型（LLMs）、它们起什么作用以及方法论风险何在提供一个结构化基础。在此定位下，本综述的贡献有三方面。首先，它根据 LLM 驱动的 ABMS 研究在仿真生命周期中解决的方法论任务，综合了近期的研究。其次，它将这些研究组织成 LLM 角色的分类体系，包括语义抽象、主体认知、通信设计、代码生成、实验设计和有效性评估。第三，它确定了关于可扩展性、可重复性、验证和循环推理的未解决挑战，并使用一个连贯的说明性案例研究来展示所综述工作流程的可追溯性，而不是为了验证 LLM 驱动 ABMS 的优越性。
下载：下载高分辨率图片（635KB）下载：下载全尺寸图片
图 1. LLM 驱动 ABMS 的生命周期导向组织框架。

在概念建模阶段（第 4 节），所综述的研究利用 LLM 作为语义支持工具，用于提取候选主体和环境类，定义仿真边界，并将场景描述转化为结构化文本、UML 图和交互图。与传统的基于手动规范的方法不同，所综述的技术利用 LLM 支持生成式设计。在此阶段，LLM 可以协助研究人员从自然语言描述中抽象主体和环境类，定义仿真边界，并将这些描述转化为结构化表示、统一建模语言（UML）图和交互图。

仿真建模阶段（第 5 节）关注抽象概念如何操作化为可执行的主体模型。该阶段的文献考察了主体认知、通信设计和代码生成。LLM 可能支持多模态感知、记忆、规划、工具使用，以及将结构化规范转化为可执行代码，但这些输出仍然需要针对特定平台的测试和专家审查。

仿真实验阶段（第 6 节）负责设计仿真实验、分析实验数据以及支持结果解释。在此阶段，LLM 可以支持识别实验变量和生成供人工审查的候选协议；仿真执行后，它们可以协助个体层面的评估和宏观层面的涌现解释。

本节总结了 LLM 驱动 ABMS 的工作流程。后续章节将回顾与每个阶段相关的技术模式，并使用一个连贯的说明性案例研究来展示这些模式如何被实例化。

传统 ABMS 和 LLM 驱动 ABMS 不应被视为两种相互排斥或内部同质的模型类别。传统实现可以采用确定性或随机规则、优化、基于学习的策略，以及静态或动态演变的环境，而 LLM 组件通常嵌入在传统仿真结构和显式约束中。因此，下文的比较总结了典型的设计特征和相关的权衡。

表 3 综合了经典 ABMS 范式与新兴 LLM 驱动方法的概念和技术比较，突出了决策逻辑、记忆结构和通信模态方面的方法论发展。
表 3. 传统与 LLM 驱动 ABMS 的条件比较。
维度 传统 ABMS LLM 驱动 ABMS
核心计算机制 显式方程、规则、随机过程、优化、学习策略或混合方法 概率语言模型推理，结合提示、上下文、检索、工具及传统组件
决策机制 确定性、随机、启发式、基于优化或基于学习的策略 提示条件下的概率输出，有时受规划器、架构、规则或工具约束
知识表示 显式变量、规则、状态机、网络、数据库和学习参数 提示上下文、检索文档、对话历史、模型参数和结构化外部记忆
通信 结构化信号、消息、事件、共享变量或自然语言接口 自然语言、结构化消息或混合协议
环境 通过显式转换机制实现的静态或动态环境 带有可选语义中介或语言模型生成更新的传统环境
透明度 显式规则和状态转换可以检查，尽管学习组件可能仍然不透明 输入和生成的理由可观察，但理由不一定是内部计算的真实解释
可控性 当状态转换和随机过程明确指定时通常很高 除非输出受限，否则对提示、上下文、解码和提供商更新敏感
可重复性 受软件和数据版本支持，通过固定代码、参数和种子支持 需要文档化提示、解码设置、模型信息、访问日期和版本化的外部服务
计算成本 通常由本地仿真、校准和数据处理主导 可能包括基于令牌的推理、检索、工具调用、网络延迟和模型托管
验证 校准、敏感性分析、实证比较和机制测试仍然必要 相同程序仍然必要，并增加对提示敏感性、输出稳定性和模型漂移的测试
不确定性来源 结构假设、参数不确定性、随机过程、数据和校准误差 所有传统来源加上采样变异、提示依赖性、检索错误和端点变化

特别是，可解释性应与生成解释的可读性区分开来。传统 ABMS 中的显式行为规则和状态转换函数可以提供直接的过程可追溯性，而 LLM 生成的理由主要暴露的是输出的可阅读说明。此类理由可以促进检查和调试，但不应被解释为模型内部计算的真实表示或其决策的因果解释。

4. LLM 驱动 ABMS 概念建模：将概念转化为模型

概念模型抽象标志着仿真生命周期的开始，任务是将被定义为模糊、高维度的现实系统转化为明确定义的仿真实体。在经典 ABMS 中，此阶段主要依赖人类专家进行系统设计。凭借直觉和领域专业知识，他们将复杂的现实抽象为刚性简化的属性、静态环境边界和交互架构。这种方法劳动密集，容易产生认知偏差，并且往往为了确保系统可行性而过度简化模型丰富的语义信息。

LLM 利用其庞大的预训练世界知识和语义理解能力，使研究人员能够通过自然语言描述仿真任务，将概念建模从手动规范过程转变为生成式协同设计。这种方法允许研究人员通过自然语言而非正式约束来描述仿真世界，从而支持更高效地生成结构化的概念表示。

在本节中，我们首先综合了 LLM 驱动 ABMS 概念建模的通用技术工作流程，如图 2 所示。随后，我们从文本标准化、主体属性检索、主体关系获取和 UML 图生成四个方面展示此流程。最后，我们通过连贯的案例研究说明其应用。
下载：下载高分辨率图片（610KB）下载：下载全尺寸图片
图 2. LLM 驱动 ABMS 概念建模技术流程图。

4.1. 文本标准化

在概念建模阶段，从描述性场景中手动推导 UML 图的传统方法往往受到人力成本和主观不一致性的瓶颈限制。所综述的研究建议采用一种专为 LLM 驱动 ABMS 量身定制的端到端工作流程，以弥合非结构化文本输入与正式 UML 表示之间的差距。此工作流程的一个关键组件是对原始场景描述的预处理。原始场景通常以模糊的代词引用和特异性别名为特征，这通常会导致自动提取过程中实体关系映射的碎片化或冗余。为了缓解这一问题，原始文本被输入由上下文学习（ICL）策略控制的 LLM 中。提示模型执行精确的共指消解，将所有代词和晦涩引用替换为其完整、标准化的术语。此程序生成高度一致、无歧义的文本语料库，确保下游建模任务所需的语义完整性。

4.2. 主体属性检索

在第二阶段，该框架通常遵循并行结构提取工作流程，以定义主体实体和环境背景。对于主体模块，提示 LLM 解析实体、其构成属性和操作行为 [95]、[96]、[97]。为了在处理表现出异质特征的同构主体时保持架构简约性，指令模型将这些差异封装在参数化字段中（如攻击性因子），而不是生成冗余的子类 [53]、[55]、[98]。此设计模式确保了概念模型为下游主体特化保留灵活的接口 [49]、[50]、[51]、[61]。关于环境建模，通常采用双层提取方法。在物理层，LLM 分类空间拓扑并提取全局物理约束（如边界维数和衰减系数）。同时，在语义层，LLM 将通用规则集和情境背景信息（例如地形效应和交战规则）提炼为静态属性。因此，环境被实例化为单例对象，作为全局状态变量和静态领域知识的集中存储库。

不同于经典 ABMS 典型的被动环境结构，近期研究越来越多地将环境视为基于 LLM 的主动参与者 [99]。此概念转变通过两种复杂的设计模式进行操作化。首先，知识库模式将环境框架化为高维语义接口。通过与 LLM 的预训练知识和外部语料库对接，它为主体提供对物理定律和社会启发式的持久基础，为仿真环境提供额外的语义基础 [100]。其次，世界引擎模式将环境实例化为自我演化的主体。在此范式下，环境拥有自己的状态转换逻辑 [101]，利用自然语言推理动态计算和显现状态更新。此双重模式方法确保环境明确参与仿真状态转换过程 [102]、[103]。

4.3. 主体关系获取和 UML 图生成

该工作流程将概念建模视为生成式协同设计，而非无约束的自动发现。当建模选择需要领域判断时，例如选择抽象级别、定义可接受的行为状态空间或约束粗略的转换拓扑，领域专家显式提供该约束。然后语言模型在声明的边界内生成候选关系和行为条件，并且如果未提供转换结构，也可能提出候选转换供专家审查。

在交互获取阶段，通常采用两步细化过程从仿真叙述中提取关系动态。首先，利用 LLM 的全局注意力能力，系统扫描文本语料库以填充交互三元组的候选库，三元组由源实体、目标实体及其交互的固有重数定义。随后，每个候选项都 undergoes 思维链（CoT）推理过程以解决复杂依赖关系。模型不仅仅检测二进制链接，而是评估上下文启发式（如层级命令），以显式将关系参数化为结构化的 1:N 基数。这种方法确保概念模式准确反映 ABMS 环境的组织逻辑和扩展要求。最后，这些结构化关系被转化为标准 UML 脚本（例如 PlantUML）以可视化系统架构。

4.4. LLM 驱动 ABMS 概念建模案例研究

为了展示所综述的工作流程如何实际应用，而非仅仅展示其输出，我们贯穿三个生命周期阶段进行了一个单一的连贯案例研究。该场景涉及危险物质警报后城市居民中风险信息的传播和疏散意向的演变。我们故意使用中等复杂度的场景：它足够丰富，使得相关实体、属性和关系既非显而易见也非可简化为教科书模板，但又足够有限，使读者的注意力能保持在建模过程本身、发出的提示、产生的中间工件以及每个建模决策背后的推理上。本案例研究中报告的所有提示和模型输出均由单个语言模型在固定解码设置下产生，配置记录在第 7 节。

初始场景描述，例如从领域利益相关者处获取或引自事件报告，通常是非正式的：它们混淆别名，依赖代词引用，并隐式描述状态改变事件。作为工作流程输入提供的原始叙述复制如下。
原始场景
“城市区的一个化工厂发生疑似氯气泄漏。应急管理部门发布正式警报和疏散建议；当地媒体转载并放大消息；与此同时，社交媒体平台上传播着夸张或虚假的说法。该区居民通过邻里关系和社交网络交流信息。每个人根据他们收到的消息、对当局信任的程度以及自己的风险偏好，决定是否立即疏散、继续等待或转发消息。有时官员反应缓慢，有时谣言声势浩大，人们并不总是相信同样的事情。”

在文本标准化阶段（第 4 节），语言模型遵循上下文学习（ICL）指令，要求它将每个代词和非正式别名替换为单一的规范实体名称，一致地命名每种行为者类型，并将隐式的状态改变事件重写为命名状态变量上的显式条件，同时不引入文本暗示之外的任何实体。

应用该指令后，模型将松散命名的行为者整合为规范化实体EmergencyManagementDepartment、LocalMedia、SocialPlatform和Resident，并将模糊表述如"有时官员反应缓慢"改写为显式的alert_issuance_speed属性，将"人们并不总是相信同一件事"改写为居民上的异质性belief_state。标准化输出原文如下：标准化场景"位于城区的一家ChemicalPlant疑似发生氯气泄漏。EmergencyManagementDepartment发布正式警报和疏散建议，其中警报发布时间可能因缓慢因子而延迟。LocalMedia转发并放大EmergencyManagementDepartment的信息。SocialPlatform传播夸大的或虚假的声明，其传播量可变。区域内的居民通过邻里关系和社会网络连接。每位Resident具有状态变量：received_messages、trust_in_official和risk_preference。基于这些变量，每位Resident将evacuation_decision状态变量设置为evacuate_immediately、keep_waiting或forward_message三者之一。居民表现出异质性的trust_in_official值，导致对接收到的信息持有不同的信念。"在标准化文本基础上，框架随后执行属性检索。该阶段的一个显著能力在于，模型不仅转写文本中明确陈述的属性，还基于其预训练知识推断出可运行模拟所必需但表面文本中缺失的潜在变量。例如，泄漏被赋予leak_severity变量和空间化学工厂位置chemical_plant_location，因为没有它们就无法表示扩散和基于邻近度的暴露；环境被赋予离散time_step和message_reachability结构，因为消息路由预设了这两者。关键在于，每次此类推断都与其来源一起记录，以便领域专家可以逐项审核、接受或质疑。表4报告了从自然语言描述到正式数据结构的映射结果，区分了基于显式文本跨度的属性和由知识推断引入的属性。我们在后续阶段中统一使用trust_in_official作为居民对EmergencyManagementDepartment信任的规范名称。表4 从标准化场景中提取智能体属性和隐式环境变量。实体 属性/方法 数据类型 推导来源（文本跨度→模型）EmergencyManagementDepartment alert_issuance_speed Float [0,1] 显式："timing may be delayed by a slowness factor" issue_alert() 方法 显式："issues an official alert" LocalMedia amplify_factor Float (≥1.0) 显式："relay and amplify the message" relay_alert() 方法 显式："relay … the message" SocialPlatform loudness Float [0,1] 显式："false claims … with a variable volume" spread_claim() 方法 显式："claims spread on social platforms" Resident trust_in_official Float [0,1] 显式："how much they trust the authorities" risk_preference 类别型 显式："their own risk preference" belief_state Float 显式："do not always believe the same thing" evacuation_decision 枚举型 显式："evacuate/keep waiting/forward" decide_evacuation_state() 方法 显式："based on … decides" Environment chemical_plant_location 坐标(x,y) 隐式：泄漏需要位置以实现基于邻近度的暴露 leak_severity Float [0,1] 隐式：需要严重性来驱动风险感知 message_reachability 图 隐式：路由预设了一个可达性结构 time_step 整数 隐式：离散时间决策需要时钟最后，框架识别出连接这些实体的交互动态。工作流不是记录无差别的连接，而是提取有向交互三元组及其多重性，并明确推理每个的基数。模型区分一对多广播和多对多对等交换，这一区分对于信息在该场景中实际如何传播至关重要。它识别出从EmergencyManagementDepartment向许多居民发布官方警报、以及LocalMedia将放大的警报转发给许多居民，归类为一对多广播，因为单一信源同时到达整个群体。相比之下，它将居民通过邻里和社会关系交换信息归类为多对多对等关系，将SocialPlatform向居民传播夸大的声明也归类为多对多。环境被设定为单例中介，将消息路由到可达接收者，使消息可达性成为显式的一等关系而非隐式假设。这种对基数的精细处理具有重要意义：正是中心化广播与去中心化对等扩散之间的不对称性，在后续阶段决定了官方信息还是谣言将主导整个群体。在工作流的最后一步中，上述获得的结构化产物，即实体-属性表和交互三元组，被转录为PlantUML脚本并渲染为标准UML图表。所记录的PlantUML生成请求针对每种图表类型包含定向子句。为便于阅读，我们在对应输出之前分别报告这三个图表特定的子句，同时保留每个请求产物的来源。第一个图表特定子句要求模型将实体、其属性和方法以及提取的关联转录为类图：类图提示"使用实体-属性表和交互三元组，生成PlantUML类图，包含每个类及其属性和方法，并标注关联的多重性。"渲染后的类图如图3所示。它是模型的静态骨干：五个实体恰好携带表4中记录的属性，关联保留了前一步推断的基数，使得一对多官方广播和多对多居民交换在视觉上保持区分。下载：下载高分辨率图片(561KB) 下载：下载全尺寸图片 图3 为城市警报场景生成的UML类图。每个类包含表4中的属性；关联标注了多重性，区分一对多官方广播和多对多居民交换。第二个图表特定子句展示了工作流中一个有意设计的混合部分。领域专家首先定义可接受的状态词汇和粗略生命周期拓扑，以固定预期的抽象层次并防止不受约束的状态增殖。因此，这些状态及其粗略排序并不声称是由语言模型做出的发现。该子句提供这些专家定义的约束，并要求模型从先前提取的属性和交互语义中推断候选触发事件和守卫条件：状态图提示"生成PlantUML状态图，描述居民信念与决策生命周期，状态为Unaware→Informed→Deciding→{Evacuating, Staying}，以及转换条件。"生成的状态机图（图4）使居民生命周期的来源变得明确。五个状态节点及其粗略有向拓扑来自提示中陈述的专家约束。在该固定拓扑内，语言模型将消息接收和信念更新关联到早期转换，并为分支转换提出综合守卫条件，涵盖对官方来源的信任、风险偏好、感知威胁和收到的疏散建议。这些生成的触发器和守卫条件是候选建模假设，仍受领域专家审核；PlantUML生成是对混合规范的序列化，而非自动发现状态结构。消息转发被建模为通信动作而非终端疏散状态，因此在序列图中表示，而非作为状态机中的第三个终端节点。下载：下载高分辨率图片(309KB) 下载：下载全尺寸图片 图4 为居民信念与决策生命周期生成的UML状态机图。第三个图表特定子句要求模型编排单轮信息传播的时间顺序：序列图提示"生成PlantUML序列图，描述从应急部门经由本地媒体和环境到居民的单轮警报传播，包括社交平台注入谣言，以及居民将消息转发给同伴的分支。"序列图（图5）展示了单轮传播如何随时间展开：官方警报通过环境路由到媒体，再到居民，社交平台注入谣言，而决定转发消息的居民将其重新广播给同伴。这在一个有序交换中连接了中心化广播和去中心化对等扩散。下载：下载高分辨率图片(355KB) 下载：下载全尺寸图片 图5 为单轮警报传播生成的UML序列图，包括谣言注入片段和居民转发消息给同伴的条件分支。综合来看，这三张图表明该工作流能够将非结构化叙述与显式专家约束相结合，产生标准的、格式良好的UML产物，捕捉模型的静态结构、行为动态和交互时序。每张图都由一个显式提示作用于可检查的中间产物或声明的专家输入而生成，因此人类指定元素和模型生成元素的来源均保持可见而非不透明。由此产生的类模式、专家定义的居民状态空间与粗略拓扑及生成的转换条件、以及交互拓扑，为后续仿真建模阶段提供了可追溯的设计输入。5. LLM驱动的ABMS仿真建模：仿真模型生成在仿真概念抽象之后，研究生命周期进入仿真建模阶段。在这一阶段，框架摄入结构化产物，如正式文本描述和定义先前阶段所建立智能体、环境上下文和交互协议等的配置文件。这些概念设计随后被翻译为智能体架构设计、通信设计和自动化代码合成，将抽象规范转化为可执行的计算模型，如图6所示。下载：下载高分分辨率图片(611KB) 下载：下载全尺寸图片 图6 LLM驱动的ABMS仿真建模技术流程图。在本阶段中，我们综合了一个具有代表性的技术工作流，包含三个子模块。第一个模块专注于通过LLM赋能智能体认知和决策，并扩展动作空间。通过从数据流角度建立行为规范，该模块整合了五个核心组件（感知、记忆、推理、动作和工具），以促进高影响的自主决策。第二个模块解决智能体通信的实现问题。通过设计通信架构和语义内容，该组件满足了智能体之间以及智能体与环境之间在各种场景下的交互需求。最后，LLM的代码生成能力有助于将这些认知和通信设计封装为可执行代码单元，以便后续检查和测试。5.1 智能体设计单个智能体的实现构成了任何ABMS框架的基本构建块。在LLM驱动的范式下，智能体架构已从传统的反应式或基于RL的模型显著演变为基于LLM的决策架构。这些现代智能体能够进行针对特定任务的层级任务规划，并利用各种工具扩展其在环境中的能动性。该架构通过一个闭环数据处理流水线得以运作，将原始感知数据转化为可执行动作。框架由四个集成模块组成：多模态感知、记忆、推理引擎和工具增强动作。多模态感知构成了智能体与其环境交互的基础[104]。LLM驱动的智能体多模态感知将从仿真环境中聚合异构观测信息，包括图像、文本、语音等，并利用LLM的多模态感知能力或将其序列化为与输入上下文窗口兼容的标准自然语言描述结构[105][106][107]。这使其能够综合多源数据形成统一的环境状态感知信息[107][108][109]。在多模态感知之后，数据流进入记忆模块。该模块负责存储、管理和检索感知信息以及智能体的历史决策经验[110]。这对于实现复杂决策和长期适应至关重要。在LLM驱动的智能体架构中，记忆主要通过两种框架构建。一方面，模型的预训练权重构成了庞大的隐式长期记忆，封装了泛化的世界知识和行为先验。另一方面，模型的上下文窗口可以充当动态短期记忆，以维护即时感知序列、交互历史和近期经验[25]。虽然利用短期历史数据有助于智能体保持逻辑一致性并适应持续任务，但仅依赖模型内部上下文可能阻碍可迁移知识的积累，从而限制智能体在不同任务间的泛化能力。本节将重点介绍两种记忆更新方法：1. 检索增强生成（RAG），一种基于知识的方法；2. 低秩适配（LoRA），一种基于参数的智能体记忆更新方法。RAG[111]通过将外部数据库与生成模型集成来扩展智能体的记忆。RAG通过将生成锚定在检索到的证据上来缓解幻觉[112][113]。该机制使智能体能够访问动态的领域特定知识，如实时能源政策[114]或政治事件[115]，而无需重新训练。在交通仿真中，例如，LLM-Traveler智能体[116]利用RAG来平衡即时感知数据与历史出行经验，重现类人的路线选择模式。虽然RAG处理显式陈述性知识，但参数高效微调方法如LoRA[117]和QLoRA[118]允许智能体内化程序性知识和行为先验。与高成本的完整参数监督微调（SFT）[119]不同，LoRA向Transformer层注入可训练的低秩分解矩阵。

这使得智能体能够高效地将其内在决策逻辑适应到特定的仿真场景中，从依赖即时上下文转变为依赖稳健的、已内化的领域专业知识。在智能体获取环境中的领域知识和过往经验之后，数据流进入推理与规划模块。规划模块将高层级目标转化为可执行的动作序列 [53]、[120]。大语言模型通过先进的提示策略来增强这一过程，对推理空间进行结构化组织。通过采用思维链（CoT）等技术，智能体被引导将宏观目标分解为逻辑连贯的子任务序列，并在复杂场景中实现逐步推理。对于非线性任务，思维树（ToT）[121] 或思维图（GoT）[122] 等技术允许智能体探索不同的推理路径并进行回溯。此外，在推理过程中可以采用反思机制，智能体根据环境反馈纠正自身行为并将其记录到记忆中，以优化未来迭代的策略 [123]。该反思机制使智能体能够在无人干预的情况下主动调整策略并优化其行为。

最后是动作与工具执行模块。在早期的探索中，Schick 等人 [124] 提出的 ToolFormer 模型标志着一个里程碑。通过自监督学习机制，它利用大模型的固有上下文学习能力自动生成包含 API 调用的数据集用于微调。这使得模型能够在文本生成过程中自主决定何时以及如何调用计算器、问答系统或翻译器等工具，同时不损害其通用语言能力。这种隐式学习机制表明，工具使用可以作为一种内生能力在语言模型中习得。

然而，ToolFormer 主要针对通用但有限的工具集。当面临 ABMS 中可能存在的数百或数千个领域特定 API 时，基于 RAG 的方法变得更为关键。Patil 等人 [125] 提出的 Gorilla 模型就是这一方向的范例。通过构建大规模 API 文档数据集（APIBench）并将其与检索器集成，作者训练模型根据自然语言指令从海量候选池中精确检索并生成正确的 API 调用代码。这可以减少工具调用错误，增强智能体对未见工具的泛化和适应能力。该方法对于构建能够在 ABMS 中适应开放环境变化的智能体具有重要的参考价值。该模块使用微调或提示工程使模型输出结构化的动作指令，并根据外部工具调用协议执行相应功能 [120]。

5.2 通信设计

多智能体系统中复杂社会行为和涌现现象的实现，从根本上依赖于有效的通信机制。通信机制决定了智能体之间的信息如何交换、路由和表示。在 LLM 驱动的 ABMS 中，通信设计需要在两个维度上进行严格的规范：信息流的拓扑结构，它决定了连通性和传播路径；以及交换消息的语义编码，它决定了交互的可解释性和精确性。本节详细阐述这两个关键组成部分：通信架构和通信内容。

信息流的拓扑结构决定了影响如何在系统中传播。基于 LLM 的通信设计可以分为两大类：直接通信和间接通信。直接寻址通信在发送时指定特定接收者。该类别涵盖各种通信架构，包括集中式、层级式和点对点式。在集中式架构中，中介智能体负责处理智能体之间的直接消息传递。在层级式架构中，智能体仅被允许向其层级中的父节点或子节点发送消息。在点对点架构中，智能体直接相互通信，无需中介。间接通信通过共享介质传递消息，形成面向广播的交互拓扑。在该框架内，发送者将信息发布到公共环境中，而接收者则基于需求或订阅机制进行获取，例如黑板系统、公告板和基于市场的交换机制。该架构有效地解耦了消息生产者和消费者，实现智能体之间的异步交互，从而增强多智能体系统的可扩展性。

关于通信内容，LLM 驱动的设计通常分为三种不同的范式：自然语言表达、结构化数据表示和混合模式表达。自然语言表达优先采用类人的交互方式，通信以可读文本形式存在，智能体通过生成和解析自然语言消息进行交互 [126]。这种模态利用 LLM 的语义能力传达微妙的细微差别、意图、情感和复杂概念，特别适用于需要高层语义通信的场景，如谈判、开放式讨论或情感表达 [49]、[127]、[128]。

相反，结构化数据表示使用预定义格式（如 JSON [129] 或自定义协议 [130]）对内容进行编码。通过关注解析效率并最小化歧义，该方法促进了与非 LLM 系统、日志工具和分析平台的无缝集成。它适用于需要精确信息传输和低计算开销的任务，如传感器数据共享、刚性状态更新或精确指令执行 [131]、[132]。

为综合两种方法的优势，混合模式表达在单条消息中结合自然语言和结构化数据格式。这种双模态设计使智能体能够通过自然语言提供丰富的描述性上下文，同时保持机器可读的结构化数据以进行准确的系统处理和逻辑约束 [133]，从而在可读性与操作精确性之间取得平衡。

5.3 代码生成

LLM 的代码生成能力支持了一种从手动编程向意图驱动开发 [134] 演进的方法论。在这种范式中，LLM 充当代码生成组件，将高层自然语言描述和结构化文本转换为严谨的、平台特定的代码，无论实现语言是 Java、Python 还是其他语言。这种模型到代码的转换通过三个核心机制来实现 [90]：首先，在模型桥接阶段，LLM 利用 ODD（概述、设计概念和细节）协议 [135] 和 UML 图等标准化模板来起草结构化且可读的智能体行为规范。随后，在逻辑综合阶段，LLM 通过针对性的提示工程将这些正式规范转换为可执行的代码框架。最后，针对各种经典 ABMS 平台（如 NetLogo [136]、Mesa [137] 或 Repast [138]），采用 RAG 和外部知识库来适配命名空间和库调用以满足特定领域需求。该工作流不仅加速了开发周期、降低了构建复杂仿真环境的门槛，还有助于检查生成的输出是否符合目标平台的语法约束。

5.4 LLM 驱动的 ABMS 仿真建模案例研究

本阶段延续了第 4 节中介绍的城市警报案例研究，通过选取一个运行时示例进行说明：对图 6 中智能体设计和通信设计分支的可检查运行时遍历。为了隔离一个已配置决策周期内语言模型认知引擎的拓扑结构和可追溯性，外部基础设施由受控组件表示：提供的事件知识库支持记忆选择，模拟的路由适配器支持工具条件下的动作。该遍历追踪了案例 1 中的结构化规范如何配置居民的智能感知、记忆、推理、动作和通信接口，并展示了 SocialPlatform 如何在 RumorSource 角色中运作。一个简化的 Mesa 实现草图使相应的软件接口明确化。规范的概念属性被保留，而面向提示的标签则对其进行操作化：OfficialSource 表示 EmergencyManagementDepartment，risk_preference 在居民轨迹中以谨慎的描述符表达。下文报告的所有提示和输出均为第 7 节记录的解码设置下产生的记录。

所选路径从案例 1 中的结构化居民属性和交互开始。文本观察进入线性提示链；近期上下文提供短期记忆，提供的事件知识库提供相关的长期记录，已配置的推理引擎产生结构化动作后跟随混合式对等通信。该路径将设计规范与可检查的运行时轨迹连接起来，同时保持外部系统行为不变。

图 7 追踪了居民 R_042 的一个已配置决策周期，代表 tick t=6，遵循第 5.1 节选取的运行时数据流。每个模块旁边的卡片总结了阶段级记录和数据结构。在感知阶段，官方警报、其媒体转播、邻居转发的道路封锁声明以及同伴的撤离通知被标准化为包含来源、内容和到达上下文的结构化记录。在记忆阶段，事件知识库提供两条相关条目，而短期上下文有助于感知威胁的近期上升。推理阶段随后通过整合声明的来源与档案和两种记忆来评估相互竞争的声明，参照所选事件对道路封锁声明进行折扣，并将威胁等级提升至高。在动作阶段，智能体提出调用模拟路由适配器，并以其受控响应承诺一个结构化动作令牌。最后，通信阶段将决策编码为发送给邻居的混合消息。

该轨迹展示了模块间的功能耦合。官方指示要求居民向北撤离，然而智能体承诺向侧风方向撤离：所选的指导——氯气沉积在低处——进入推理链并改变了提议路线，随后受控的路由适配器响应使动作承诺条件化。因此，最终动作可追溯至特定的感知、记忆、档案和工具响应产物。

SocialPlatform 接下来在 RumorSource 角色中实例化，其目标是最大化消息传播而非准确性。给定相同的官方警报，该模型生成了一条经过歪曲的消息，旨在利用官方响应的延迟并削弱对推荐撤离路线的信任。这种角色专业化保留了概念实体，同时为仿真建模使其内容生成目标明确化。

RumorSource 认知：高失真强度
[推理]：该智能体希望实现最大传播范围，因此它会将恐惧和紧迫感放大到远超官方消息的程度。通过声称更大的撤离区域并建议北部路线已被破坏，它制造了混乱、恐慌以及当局要么在撒谎要么无能的感觉。这引发了快速、不受控的分享，人们互相警告并讨论"真正的"危险。
[注入消息]："紧急：氯气云正在快速扩散——已经蔓延至 5 公里宽并向南移动。不要使用北部路线，它们已经堵塞且暴露在外。如果你在 10 公里范围内，请密封窗户、关闭通风系统并立即避难。这比他们告诉我们的要严重得多。趁还来得及赶紧分享。"
[结构化标签]：{source: rumor, claimed_threat_level:extreme, intended_audience: all residents within 10 km}

列表 1 将运行时轨迹中涉及的接口映射为一个紧凑的 Mesa 导向实现草图。ResidentAgent、SocialPlatformAgent 和 AlertModel 类明确了感知、记忆、推理、动作、谣言注入和环境介导的消息路由在实现中进入的位置。

总体而言，居民轨迹、对抗性 SocialPlatform 输出和实现草图展示了结构化概念产物如何配置可检查的认知和通信接口。由此产生的接口级描述为下一阶段审查的简化群体模型提供了定性桥梁。

6. LLM 驱动的 ABMS 仿真实验：实验与结果分析

在完成概念和仿真建模之后，ABMS 生命周期进入实验执行和整体多层次分析阶段。利用 LLM 的能力，该阶段围绕两个主要目标构建：(1) 为特定任务需求配置定制的仿真实验；(2) 执行评估分析框架。该框架通过协调微观层面的智能体保真度与宏观层面的涌现现象来支持有效性评估。以下我们详细阐述促进该阶段的统一技术流程和方法论原则，如图 8 所示。

6.1 仿真实验设计

实验设计为特定事件建立仿真任务的目标和范围。传统上，该阶段依赖人类专家手动定义场景、实验参数和智能体属性，这一过程本质上容易受到主观偏见的影响，并受到过高劳动成本和有限可扩展性的制约 [130]。

相比之下，LLM 驱动的 ABMS 利用预训练先验和检索的领域信息快速生成可行的初始实验设计，并支持持续迭代优化 [22]。技术流程首先利用研究意图和 UML 图作为 LLM 的上下文锚点。

随后，模型提取与仿真任务相关的语义概念和因果依赖关系，在潜在参数及其语义表示之间建立结构化映射。通过操纵环境和主体层面的变量，合成多样化的实验场景。该工作流程可通过多轮对话或预定义的思维链（CoT）规则进一步优化，从而实现对实验方案的动态调整[6], [139]。这种方法可以提高仿真研究的相关性和可行性，同时显著减少人工干预。

**6.2 仿真实验分析**

随着仿真实验和执行周期的完成，研究生命周期进入一个关键的评估阶段。与传统的软件测试不同，对LLM驱动的ABMS的评估必须考虑生成式模型的非确定性本质以及涌现行为的固有复杂性。本节概述了一种多层次评估方法，区分了微观层面的主体行为（关注行为一致性和合理性）和宏观层面的系统性现象。

数据分析服务于双重目标：首先，验证LLM驱动的主体是否能产生与任务相关的行为输出，以使目标实体完成分配的任务；其次，利用基于LLM的分析功能阐明仿真数据中的潜在机制和涌现特性。以下各小节详细介绍了LLM在多层次数据分析中的应用，以实现这些互补目标。

微观层面的实验分析主要关注主体保真度，旨在验证LLM驱动的主体是否表现出可信的认知过程和行为输出。该过程涉及检查主体的内部一致性，同时进行基于性能的验证。在建立实验设计后，首先对单个主体进行单元级验证，主要评估维度包括定性分析、定量指标和行为一致性评估。

在定性分析中，采用案例研究方法选择代表性主体。通过利用思维链（CoT）提示引发显式推理轨迹，研究人员可以结合记忆日志和特定场景的行为记录进行定性评估[103]。这种纵向分析有助于检查生成的决策依据及其与观察行为之间的关系[140]。同时，定量分析在仿真上下文中定义具体的、可衡量的任务[141]。通过测量任务成功率和执行效率，该方法提供了主体能力的实证证据。该方法需要建立任务套件和指标体系，利用严格的基准测试评估性能[131], [142]，并验证特定领域的执行熟练度[21], [143], [144], [145], [146]。

作为微观层面验证的补充，评估转向系统层面，以研究异质主体之间的交互是否产生结构模式和集体动力学。这一阶段对于阐明涌现行为以及评估这些行为是否代表可解释的系统性模式而非随机产物至关重要。按照Fromm的分类法[147]，涌现被分为四种类型：简单涌现（缺乏自上而下的反馈）、弱涌现（表现出自上而下的反馈，宏观结构约束个体）、多重涌现（正反馈和负反馈共存）和强涌现（表现出无法还原为底层规则的新颖属性）。虽然简单涌现、弱涌现和多重涌现可以通过ABMS建模，但强涌现仍然在计算上难以捉摸。因此，宏观层面的目标是检查可信主体之间的交互是否生成新颖模式，并为这些现象提供机制解释。

宏观层面分析通常通过两个视角展开：首先，检查单次仿真的纵向轨迹，包括空间组织、群体规模和交互模式，并通过序参量识别相变；其次，进行跨仿真比较分析以观察参数间的相互依赖关系。利用基于LLM的分析，所综述的技术有助于检测时间序列或参数区间中的系统性异常。通过采用事件导向的建模方法和标准化指标体系，可以将仿真日志合成为结构化提示供LLM使用。这使得能够生成全面的涌现报告。此外，近期研究还检验了这些系统复制经验宏观模式的能力，包括经济学中的奥肯法则[148]、社会动力学中的意见极化[100]以及自组织群体行为[149]。

综合来看，所综述的研究表明，基于LLM的技术正在概念建模、仿真建模和仿真实验中被探索，尽管不同应用的经验支持强度差异显著。它们的主要贡献在于在既有的ABMS工作流程中提供额外的语义、生成和分析接口，而行为有效性、可扩展性和可重复性的问题仍然存在（表5）。

**表5. ABMS生命周期中代表性LLM相关技术的批判性比较**

| 技术 | 生命周期角色 | 适用条件 | 所代表证据 | 典型验证方法与主要局限 | 成本与可重复性影响 |
|------|-------------|---------|-----------|---------------------|------------------|
| 结构化提取 | 概念建模 | 带有专家审查的非结构化场景 | 演示和形式化研究 | 模式与专家审计；提示敏感性和本体漂移仍然存在 | 取决于提示和模型版本 |
| RAG | 接地与外部记忆 | 带有可追溯来源的动态领域知识 | 用例和原型 | 检索相关性和接地性能；检索错误仍然存在 | 索引维护与检索延迟 |
| 知识库或世界引擎 | 环境表示 | 语义丰富、动态变化的环境 | 原型和案例研究 | 转换检查；未经验证的动态可能进入模型 | 重复推理可能占据成本主导 |
| 多模态感知 | 主体观测 | 真正多模态输入的任务 | 组件和基准测试 | 感知和下游任务测试；错误会传播至决策 | 高预处理和上下文成本 |
| 上下文记忆 | 短期连续性 | 顺序交互 | 主体演示和基准测试 | 记忆消融；截断和新近偏差仍然存在 | 令牌使用量随保留历史增长 |
| LoRA或QLoRA | 行为适应 | 带有精选数据的重复领域任务 | 通用适应证据 | 留出集评估；过拟合和有限可解释性仍然存在 | 需要版本化数据、适配器和基础模型 |
| CoT、ToT、GoT、反思 | 规划与搜索 | 需要分解或修订的任务 | 基准测试和演示 | 任务消融和错误分析；推理轨迹并非因果解释 | 分支增加调用次数和变异性 |
| 工具使用 | 动作执行 | 需要外部函数或数据的任务 | 基准测试和原型 | 调用准确性；工具选择和接口漂移仍然存在 | 必须记录版本、失败和重试 |
| 通信设计 | 多主体交互 | 谈判、协调或扩散 | 多主体演示 | 拓扑消融；语言模糊性混淆策略与通信 | 消息量可能导致调用次数超线性增长 |
| 代码生成 | 可执行构建 | 带有测试和专家审查的指定平台 | 平台演示 | 编译和行为测试；语法不能确立有效性 | 提示、依赖和测试需要版本控制 |
| 实验设计 | 参数与场景支持 | 对候选方案进行声明式人工审查 | 工作流程演示 | 方案审计和敏感性分析；模型先验可能偏差选择 | 调用量可以较低，但决策需要审计轨迹 |
| 微观与宏观解读 | 结果分析 | 带有独立指标的标准化日志 | 案例和经验比较 | 与指标或独立证据的一致性；循环性仍然存在风险 | 重复和独立检查增加成本 |

进一步比较表明，这些技术的价值高度依赖于任务。当输出可以与可追溯来源或形式约束对照检查时，检索和结构化生成最为有用；而当语义灵活性和异构上下文信息本身就是重要建模要求时，语言介导的推理和通信则更为适用。参数适应、工具使用、环境生成和代码生成扩展了建模流程的能力，但每一项都引入了对数据质量、接口验证、计算资源和可重复性的额外要求。在所综述的文献中，现有证据对于任务层面或接口层面的实用性通常较为有力，而对于行为真实性或方法优越性的广泛主张则证据不足。因此，选择大语言模型组件应取决于它所解决的建模需求、可用于验证的证据以及相对于更明确或更受约束的替代方案所引入的权衡。

**6.3 LLM驱动的ABMS仿真实验案例研究**

本阶段通过设计实验，在概念和仿真模型的简化投影上继续城市警报示例的不同抽象层次的展示，该投影基于第4节"LLM驱动的ABMS概念建模：将概念转化为模型"和第5节"LLM驱动的ABMS仿真建模：仿真模型生成"，并分析其结果。第5节展示了个体主体的运行时接口，模型解释消息并生成显式决策依据。本阶段则隔离了官方渠道与谣言渠道之间的群体层面竞争。由于第8节讨论的计算成本限制，执行数百个语言模型主体跨越数十步和重复运行是不可行的；因此，我们使用一个轻量级参考实现，其中居民遵循简约的阈值与扩散规则。

该过程始于高层次研究意图："研究官方响应延迟和谣言强度如何影响宏观层面的疏散行为和信息生态系统。"借助模型中嵌入的领域先验知识和概念模式，语言模型识别出两个可控的潜在参数：官方响应延迟δ和谣言强度ρ。实施的实验随后采用连续参数扫描，选择四个标记点作为代表性区间，涵盖从官方主导到谣言驱动的动态转变。表6报告了实际使用的参数值以及每个代表性区间的解释目的。

**表6. 从官方延迟δ和谣言强度ρ的连续扫描中抽取的代表性区间**

| 实验编号 | 场景标签 | 关键参数 | 解释目的 |
|---------|---------|---------|---------|
| R1 | 快速官方/弱谣言 | δ=1, ρ=0.10 | 官方信息主导；及时、协调的疏散。 |
| R2 | 平衡/临界 | δ=5, ρ=0.40 | 两个渠道竞争，在运行之间产生高敏感性。 |
| R3 | 缓慢官方/中等强度谣言 | δ=12, ρ=0.70 | 延迟的官方指导允许谣言扩散占主导。 |
| R4 | 缓慢官方/强谣言 | δ=20, ρ=0.90 | 强谣言利用官方空白，产生近乎完全的谣言主导。 |

为了刻画连续双参数空间中的宏观行为，我们在网格上扫描官方延迟δ和谣言强度ρ，并对每个参数组合进行独立运行，使用不同的随机种子，记录群体的最终组成。结果总结在图9中。面板(a)显示了谣言主导度，定义为所有知情居民中谣言信仰者的比例，作为δ和ρ的函数；面板(b)显示了谣言信仰者数量的运行间标准差；面板(c)显示了三个代表性区间的时间轨迹，取五次运行的均值和最小-最大范围。

**图9. 城市警报仿真在控制参数（官方延迟δ和谣言强度ρ）上的宏观行为。** (a) 谣言主导相图：系统分为官方主导相（蓝色）和谣言驱动相（红色），带有弯曲边界（主导度=0.5的实线轮廓）。标记点R1–R4对应表6中的区间。(b) 谣言信仰者的运行间标准差；方差脊在空间上与相边界重合，平衡区间R2位于此脊上。(c) R1、R2和R4的代表性轨迹（五次运行的均值和最小-最大范围）；R2的宽范围反映了(b)中可视化的临界敏感性。已疏散：深蓝色；官方知情：蓝色；谣言信仰者：红色。（关于图例中颜色引用的解读，读者请参考本文的网络版本。）

图9的两个特征值得强调。首先，面板(a)中的相边界明显弯曲。当官方响应及时时，系统能容忍强谣言并保持官方主导；一旦延迟超过适度阈值，捕获群体所需的谣言强度急剧下降然后饱和。因此，这两个参数不能互换：延迟主导早期区间，而一旦官方渠道已经太慢而失去作用，谣言强度则占主导。

其次，面板(b)中的方差脊描绘了与相边界相同的曲线。远离边界时，运行之间的结果高度可重复；而在边界上，运行间的离散度较大，因为两个信息渠道之间的竞争处于精细平衡状态，微小的随机差异决定了哪一个占上风。平衡区间R2正好位于此脊上，这就是为什么面板(c)中它的轨迹显示出明显宽的范围，而R1和R4的轨迹则不是这样。

这些结果为随后的语言模型分析提供了输入。按照第6.2节描述的方法，仿真日志被合成为结构化提示供LLM使用，然后LLM为每个区间分配涌现标签并解释产生它的机制。为了保持呈现紧凑，我们每个区间总结一次代表性运行；R1和R4的分析如下复现，R2和R3的分析遵循相同的结构。

**R1（快速官方/弱谣言）：LLM对代表性运行的分析**

[宏观层面]

涌现标签：快速官方主导饱和与谣言消亡。

解释：快速的官方预警早期几乎到达整个群体，触发了迅速饱和的疏散级联。弱谣言在少数几个主体中达到峰值，然后随着官方消息主导信息空间而崩溃。该机制是两种信息来源之间的竞争，其中高速、高覆盖率的官方信号抢先于较慢的谣言。

置信度：高。

在宏观层面，它命名了该模式并将其追溯至官方渠道与谣言渠道之间的竞争。

R2和R3两个制度采用了相同的方法进行分析。在R2中，模型将该结果标记为"谣言驱动的过度疏散，官方纠正滞后"，观察到竞争渠道产生了敏感的混合轨迹。在R3中，模型识别出"谣言驱动的近乎全面疏散，官方信息失效"，其中缓慢的官方渠道被早期的信息级联所绕过。对谣言主导程度最高的制度R4的分析如下：

R4（缓慢官方/强谣言）：典型运行结果的LLM分析

[宏观层面]
涌现标签：谣言驱动的过度疏散。
解释：官方信息的近乎完全缺失使得没有反向叙事来抑制谣言。受谣言相信者邻居影响的主体采纳了该信念并进行疏散，而每一位新的疏散者又向其他主体进一步传递危险信号，产生了一个自我强化的反馈回路，在没有官方确认的情况下将系统推向全面疏散。
置信度：高。

由于语言模型的解释在重复调用时可能会有所不同，我们对四个代表性制度中的每一个使用30个独立响应进行了有限的稳定性检查。除了与模式标签的完全一致之外，我们还使用固定模型版本的句嵌入的成对余弦相似度来评估完整的标签和解释文本，并使用Bootstrap置信区间来表征不确定性。如图10所示，四个制度的平均语义相似度保持相对集中（0.873–0.905），而完全标签一致性则变化较大（20.0%–93.3%）。

图10. 四个代表性制度下重复语言模型解释的稳定性。每个制度包含30个独立响应。

这种差异表明，语义相似的解释仍可能使用不同的简短标签，这支持了使用全文语义度量的做法。本分析仅作为在固定实验配置下重复解释的稳健性检查；它不构成对语言模型的更广泛基准测试或对主体行为的验证。

本分析必须附带两个注意事项。首先，上述解释的涌现模式源于具有规则驱动主体的简化参考模型，而非第5.1节所述的LLM驱动认知架构。完整LLM主体架构的群体规模执行仍受到第8节讨论的计算成本的限制。因此，本案例研究展示了第6.2节的宏观分析工作流程，而不是提供对LLM驱动主体行为的完整验证。全面验证需要主体级行为基准和实证校准数据。其次，此处报告的可复现性涉及简化参考模型的宏观层面解读，更全面的研究应将相同的协议扩展到更丰富的指标和可视化诊断工具。在这些限制范围内，该案例研究证明了实验工作流程可以配置参数扫描、执行扫描，并产生可追溯的宏观涌现解释，其可靠性是经过测量而非假设的。

7. 案例研究的实现与可复现性

由于本案例研究第4节（4.1 文本标准化、4.2 主体属性检索、4.3 主体关系获取及UML图表生成、4.4 LLM驱动ABMS概念建模案例研究）、第5节（5.1 主体设计、5.2 通信设计、5.3 代码生成、5.4 LLM驱动ABMS模拟建模案例研究）和第6节（模拟实验：实验与结果分析）中的生成组件依赖于特定模型和特定的解码设置，我们报告了这些细节以支持过程的可复现性和解释。所有语言模型产物，即标准化的场景、属性和关系表、UML脚本、主体决策、实验设计以及分析报告，均由通过其公共API访问的单一模型（DeepSeek-V4-Pro）生成。解码配置在各次调用中保持不变。原始案例研究生成所用的模型服务于2026年6月访问。结构化提取和分析步骤使用了低采样温度（0.2），因为此处需要格式的稳定性；主体认知步骤使用了中等温度（0.6），因为此处需要一定程度的行为多样性；核采样参数在整个过程中固定为0.95。

我们提供了一个最小源代码仓库：https://github.com/cunkou135/LLM-ABMS。该仓库包含核心简化模拟实现、语言模型接口、模型和模拟配置，以及所发布的宏观解释组件所使用的提示模板。

8. 挑战与未来方向

尽管LLM驱动的ABMS具有相当大的潜力，但仍有若干根本性挑战尚未解决，值得在大规模采用前进行仔细考虑。

8.1 计算成本

集成LLM组件可以引入语言介导的决策、通信和分析功能，但也增加了推理、内存、检索和工具使用的开销。与传统规则驱动的主体不同，后者的决策过程可以通过轻量级的数值运算执行，LLM驱动的主体需要反复调用推理、检索内存、进行推理和调用工具。因此，未来的研究应该探索高效的部署策略，包括模型压缩、轻量级领域特定模型、分层主体架构以及结合LLM推理与传统算法组件的混合设计。

此外，研究者必须权衡基于API的模型与本地部署之间的取舍。专有API会产生持续的财务成本和网络延迟，限制了其用于高频、长时间模拟的可行性。相反，本地部署开放权重模型（例如Llama-3、Qwen或DeepSeek）可以提高数据控制并减少对按token计价的API的依赖，但需要高性能计算基础设施（例如多GPU集群）和优化的推理框架（如vLLM）的重大资本投资。从平台集成角度来看，将异步LLM文本生成与传统ABMS框架（如Mesa或Repast Simphony）所需的离散时间步同步连接起来，需要严谨的中间件设计以维持执行效率。

为了提供案例研究的定量参考，我们额外记录了重复解释分析中使用的语言模型调用的资源消耗。在120次调用中，实验总共消耗了47,992个token，平均API延迟为4.88秒。报告token消耗作为主要使用度量是因为它直接反映了API介导的语言模型推理的计算和使用成本，而不依赖于供应商特定的定价。我们还分析了三个包含50个主体运行50步、100个主体运行100步和200个主体运行200步的代表性耦合工作负载。随着主体-步数从2500增加到10,000再到40,000，相应的本地模拟时间从3.73毫秒增加到14.97毫秒再到56.55毫秒。相比之下，API延迟每次调用保持在约5.6秒，因为说明性工作流仅在模拟后调用一次语言模型进行解释，而不是在每个模拟步骤中对每个主体调用一次。这些测量仅用于表征当前说明性实现方案的计算特征，不应被解释为群体规模LLM主体模拟的通用可扩展性基准。

8.2 鲁棒性

生成式模拟中的一个基本风险是大语言模型的内在随机性和生成性幻觉。主体行为可能会因不同的提示、模型版本、采样温度或推理设置而发生变化。这种提示敏感性和模型随机性可能会影响模拟轨迹，并可能降低传统上在科学模拟研究中期望的可复现性。此外，幻觉事实、不一致的推理链或上下文窗口限制可能会引入非预期的行为伪影。为了提高鲁棒性，未来的框架应纳入标准化的提示协议、版本控制的模型配置、在适当时候使用确定性推理设置，以及跨多个随机种子的重复模拟试验。

8.3 可复现性与可信度

模拟结果的可信度代表了另一个关键关注点。虽然LLM提供了类似人类的推理能力，但生成的行为不一定对应于现实世界的决策过程。因此，不应仅基于合理的语言生成来接受模拟结果。相反，需要在微观和宏观两个层面建立严格的验证机制。在微观层面，主体决策应针对经验观察、专家知识或基准任务进行评估。在宏观层面，涌现模式应与既定理论、历史数据或已知的系统级规律进行比较。将LLM解释与定量统计分析相结合，可能为科学解释和因果推断提供更可靠的基础。

8.4 科学有效性与循环论证

虽然LLM可以辅助概念抽象、代码生成、主体推理和模拟分析，但这些能力不应与科学有效性混淆。ABMS的可信度取决于既定的方法论程序，包括校准、验证、敏感性分析、鲁棒性测试、可复现性和经验基础。无论模拟是通过规则驱动架构还是LLM驱动主体实现，这些要求仍然是必要的。因此，LLM应被视为支持模型开发和分析的工具，而不是能够独立保证科学正确性的机制。

此外，如果整个过程使用同一模型进行模拟结果的设计、执行和分析，可能会导致循环论证。一种可行的方法是通过使用不同的分析模型或异构推理流来分离生成和评估过程。模拟设计、执行、评估和解释分配给独立角色。虽然这些主体可能仍然依赖于逻辑模型，但它们的多样性可以降低单一生成偏差的可能性。

然而，这些措施只能减轻问题，不能根除它。确定如何使用LLM建立标准来评估ABMS中的涌现现象仍然是一个开放的研究挑战。

9. 结论

本文通过既定的ABMS生命周期——概念建模、模拟建模和模拟实验——回顾了LLM驱动的基于主体建模与模拟的前沿研究。其主要贡献是一个面向生命周期的组织框架，根据研究支持的模拟任务对其进行分类。该框架阐明了LLM如何被用作语义抽象工具、主体认知组件、通信中介、代码生成助手、实验设计辅助和分析支持。

在三个阶段中，回顾的研究表明LLM可以减少人工建模负担并丰富ABMS的语义表达能力。在概念建模中，它们可以支持场景标准化、实体和关系提取以及可审计的UML风格产物的生成。在模拟建模中，它们可以辅助内存设计、推理、工具使用、通信协议和平台特定代码生成。在模拟实验中，它们可以帮助配置参数制度并解释微观行为和宏观模式。这些角色最好被理解为生成式支持的形式，而不是对既定模拟方法论的替代。

城市警报案例研究说明了本综述中使用的面向生命周期的组织框架如何在各个阶段实例化。它追踪了一个场景从叙事抽象到主体级决策接口再到简化群体实验的过程。该案例研究旨在演示工作流的可追溯性和可复现性，而不是提供对LLM驱动ABMS的通用实证验证。参考模型故意简化了几个语义和认知元素，因此其结果应被解释为说明性示例，而不是广泛外部有效性的证据。

仍有许多挑战，包括计算成本、提示和模型敏感性、幻觉风险以及同一模型参与设计和解释时循环论证的可能性。未来的研究应开发更高效的架构、版本控制的提示和模型配置、重复运行协议、独立评估程序和更强的经验基础。LLM驱动ABMS的科学价值将更多取决于整个模拟管道从构建和执行到解释和验证的透明度、可复现性和独立可评估性，而不是任何单一模型的生成能力。

Jiaqi Wang | Xiong Li | Gang Xiao