EconSimulacra：由大语言模型智能体驱动的社会经济系统数字孪生平台

📊 论文图表(共 4 张)

展开查看 4 张图

‹ ›

TL;DR

EconSimulacra 是一个基于大语言模型的多智能体社会经济模拟平台，通过引入「共享内部状态」机制将消费经济、人口流动和社交网络三个领域统一耦合，使智能体能够将一个领域的经验迁移到另一领域的决策中。实验表明，该机制能够自然涌现出线上社交关注度与线下本地人气之间的非线性关系，验证了真实跨域动力学在统一人工社会中的可复现性。

研究背景与动机

真实社会行为的涌现从来不是单一领域孤立作用的结果。当一个人面临经济压力时，他的出行模式会发生改变，社交圈层也会随之收缩；反过来，线上积累的关注度可能转化为线下的消费能力，而线下活动的活跃程度又会提升个人的本地知名度。这种经济、出行与社交之间的紧密耦合与反馈循环，构成了社会运行的底层逻辑。

然而，现有的大语言模型智能体模拟器在处理这类问题时往往力不从心。早期的工作要么将各个领域割裂开来单独建模——经济模拟器只管消费决策，出行模拟器只管路径规划，社交模拟器只管互动关系——要么虽然将多个领域并置在同一系统中，但缺乏真正让信息跨领域流动的机制。在这些设计里，一个智能体在社交网络上获得的成就感无法影响他在消费时的决策倾向，他在经济困境中积累的压力也无法改变他的出行偏好。领域之间仍然是隔离的孤岛。

这一瓶颈的根源在于：跨领域交互的核心挑战不仅是「让多个系统共存」，更是「让智能体的内部经验能够在不同领域的决策中发挥作用」。要实现这一点，需要一种统一的、可被各领域决策过程共同访问的内部表示机制——这正是 EconSimulacra 的核心切入点。

方法

EconSimulacra 的设计哲学可以概括为「统一记忆，共享状态，异构决策」。整个平台由三大支柱领域（消费经济、人口流动、社交网络）和一套连接它们的共享内部状态机制组成。

在具体实现上，每个智能体都维护着一个跨领域的生活经验库。这个经验库记录了智能体在各个领域中的遭遇：消费决策后的满足感或遗憾、与家人出行时的愉快记忆、在社交网络上收到的反馈等等。这些经验片段并非简单地堆叠在一起，而是经过一个「内化」过程，被转化为一维的「压力水平」数值。这个压力水平就是跨领域共享的内部状态——它既是过往经验的凝练表达，也是连接不同领域决策的枢纽。

以消费经济模块为例，智能体在决定是否购买某件商品时，不仅会考虑商品的价格、自身预算等传统经济学因素，还会参考当前的压力水平——当压力过高时，即使有足够的购买力，智能体也可能倾向于「报复性消费」来缓解心理不适，或者相反地选择「节衣缩食」以规避风险。同样，在人口流动模块中，压力水平会直接影响智能体对出行目的地的选择：是冒险去远方探索，还是留守熟悉的本地？在社交网络模块中，压力水平则决定了智能体在公开表达时的措辞风格，以及对他人互动的敏感程度。

这种设计的精妙之处在于：压力水平作为一个极简的跨域表示，捕捉了「人」的整全性——真实的人在做出任何决策时，都不会把自己分解成「经济学意义上的自己」「交通学意义上的自己」和「社会学意义上的自己」，而是作为一个整体承受压力、做出权衡。通过将这种整全性编码为共享的内部状态，EconSimulacra 打破了领域边界，让跨域经验真正流入决策过程。

实验与结果

为了验证共享内部状态机制的有效性，EconSimulacra 的研究者设计了一个精心构造的案例实验：探索线上社交关注度与线下本地知名度之间的非线性关系。

实验构建了一个包含多个社区的模拟环境，智能体在社交网络上积累关注度的路径与在线下社区中建立人气的路径并不完全重叠。具体而言，一个智能体可以通过发布高质量内容在线上获得大量粉丝关注，但这并不自动转化为他在所居住社区中的邻里声望——后者取决于他在线下的互动频率、帮助邻居的意愿等与线上表现截然不同的因素。研究者关心的核心问题是：共享内部状态机制能否复现这种看似「不合逻辑」的非线性关系？

实验结果给出了肯定的答案。当智能体在线上积累了大量关注但在线下缺乏存在感时，他的压力水平会呈现一种独特的动态轨迹：起初，线上关注带来的成就感可能短暂降低压力；但随着时间推移，缺乏线下认同感的空洞感逐渐侵蚀这种积极效应，压力水平反而会上升。这种压力变化进而影响他在后续决策中的权衡倾向——他可能减少线上活动投入以腾出时间经营邻里关系，或者通过更频繁的线下消费来「证明」自己在本地的存在感。最终，模拟系统涌现出了线上关注度与线下人气之间近似倒 U 形的非线性关系，这与大量实证社会学研究中观察到的现象高度吻合。

更值得注意的是，这种非线性关系并非研究者直接编程设定的——它是从「共享内部状态连接异构领域」这一简单机制中自然生长出来的。这正是 EconSimulacra 作为[[数字孪生]]平台的价值所在：它不试图手工编码复杂的社会规律，而是通过合理的[[跨域交互]]机制，让真实社会动力学的涌现成为可能。

讨论与可借鉴点

EconSimulacra 的探索为基于大语言模型的[[社会模拟]]研究开辟了一条新路径。它证明了「共享内部状态」这一极简设计原则足以桥接原本割裂的领域，并催生出超越单领域叠加的复杂社会现象。这种思路的启发意义在于：当我们试图用人工社会模拟真实世界时，问题的关键可能不在于精细建模每个领域的独特规律，而在于找到连接这些规律的「通用语言」——在 EconSimulacra 中，这个通用语言就是压力水平。

当然，这一工作也存在局限性。将复杂的心理和社会因素压缩为单一的压力水平数值，不可避免地丢失了许多细节。对于需要精确捕捉特定情感或社会角色的场景，这种简化可能成为瓶颈。此外，实验目前停留在单一案例验证阶段，更大规模的跨域动力学——例如经济危机如何通过压力传导引发大规模人口流动——尚待系统性的评估。

尽管如此，EconSimulacra 为[[反馈循环]]驱动的社会模拟提供了一个可扩展的框架原型。它的设计思路提示后来的研究者：在构建[[多智能体系统]]模拟复杂社会时，与其追求每个领域的极致精细，不如先确保领域间的连接机制足够通畅。未来的工作可以在共享状态的多维化、领域特定决策模块的专业化，以及更大规模真实数据的校准等方向上继续深耕。

摘要

真实世界中的社会行为产生于紧密耦合的多个领域：经济状况塑造了人口流动与社交互动，而线上关注度与线下活动又会反过来影响当地的知名度与消费行为。要捕捉这些反馈循环，需要构建人工社会，使智能体能够将一个领域的经验带入另一个领域的决策中。大语言模型（LLMs）为构建此类社会提供了一个有前景的基础。然而，现有的基于大语言模型的模拟器通常孤立地建模各领域，或仅将它们并置。为实现这种跨领域交互，我们提出了 EconSimulacra，这是一个通过共享内部状态机制将消费经济、人口流动和社交网络耦合在一起的多智能体社会模拟器。在 EconSimulacra 中，跨不同领域积累的经验被存储在记忆中，并转化为共享的内部状态（即压力水平），通过个体决策连接异构领域。这一设计使智能体能够调和来自多个领域的相互冲突的需求，并生成一致的跨领域行为。作为案例研究，我们展示了共享内部状态机制能够复现线上社交关注度与线下本地知名度之间的非线性关系，说明了如何在统一的人工社会中涌现出真实的跨领域动力学。

Abstract

Real-world social behavior emerges from tightly coupled domains: economic conditions shape mobility and social interactions, while online attention and offline activity feed back into local popularity and consumer behavior. Capturing these feedback loops requires artificial societies in which agents carry experiences from one domain into decisions in another. Large language models (LLMs) provide a promising foundation for such societies. However, existing LLM-based simulators typically model domains in isolation or merely place them side by side. To enable such cross-domain interactions, we present EconSimulacra, a multi-agent social simulator that couples consumer economy, mobility, and social networks through a shared internal-state mechanism. In EconSimulacra, experiences accumulated across different domains are stored in memory and transformed into shared internal states (i.e., stress level) connecting heterogeneous domains through individual decision making. This design allows agents to reconcile competing demands arising from multiple domains and generate coherent cross-domain behaviors. As a case study, we show that the shared internal state mechanisms reproduce a nonlinear relationship between online social attention and offline local popularity, illustrating how realistic cross-domain dynamics can emerge within a unified artificial society.