Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives

📄 arXiv: 2312.11970v1 📥 PDF

作者: Chen Gao, Xiaochong Lan, Nian Li, Yuan Yuan, Jingtao Ding, Zhilun Zhou, Fengli Xu, Yong Li

分类: cs.AI, cs.CL, cs.CY, cs.MA

发布日期: 2023-12-19

备注: 37 pages

💡 一句话要点

综述：大型语言模型赋能的Agent-based建模与仿真

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: Agent-based建模 大型语言模型 仿真 环境感知 行为生成 决策制定 智能Agent 复杂系统

📋 核心要点

  1. 现有Agent-based建模在处理复杂环境感知、人类行为对齐等方面存在局限性，难以模拟真实世界的复杂交互。
  2. 利用大型语言模型（LLM）的强大能力，可以提升Agent的环境感知、决策和行为生成能力，从而改进Agent-based仿真。
  3. 该综述全面分析了LLM在Agent-based建模与仿真中的应用，并探讨了网络、物理、社会和混合等多个领域的挑战与未来方向。

📝 摘要（中文）

Agent-based建模与仿真已发展成为一种强大的复杂系统建模工具，能够深入了解不同Agent之间的涌现行为和交互。将大型语言模型集成到Agent-based建模与仿真中，为增强仿真能力提供了一条有希望的途径。本文综述了在Agent-based建模与仿真中利用大型语言模型的现状，考察了它们面临的挑战和有希望的未来方向。由于这是一个跨学科领域，本文首先介绍了Agent-based建模与仿真以及大型语言模型赋能的Agent的背景。然后，讨论了将大型语言模型应用于Agent-based仿真的动机，并系统地分析了环境感知、人类对齐、动作生成和评估方面的挑战。最重要的是，我们全面概述了大型语言模型赋能的Agent-based建模与仿真在多个场景中的最新工作，这些场景可以分为四个领域：网络、物理、社会和混合，涵盖了真实世界和虚拟环境的仿真。最后，由于该领域是新兴且快速发展的，我们讨论了开放问题和有希望的未来方向。

🔬 方法详解

问题定义：Agent-based建模与仿真（ABMS）旨在通过模拟自主Agent之间的交互来理解复杂系统。然而，传统ABMS在处理复杂环境感知、生成逼真Agent行为以及实现与人类价值观对齐等方面面临挑战。现有方法难以有效地将外部知识融入Agent的决策过程，并且在模拟人类行为的细微差别方面存在不足。

核心思路：本文的核心思路是利用大型语言模型（LLM）的强大能力来增强ABMS。LLM能够理解和生成自然语言，从而可以用于改善Agent的环境感知、决策制定和行为生成。通过将LLM集成到ABMS中，可以创建更智能、更逼真的Agent，从而实现更准确、更具洞察力的仿真。

技术框架：该综述没有提出特定的技术框架，而是对现有研究进行了分类和总结。总体而言，LLM在ABMS中的应用通常涉及以下几个阶段：1）环境感知：LLM用于理解Agent所处环境的自然语言描述或其他形式的输入。2）决策制定：LLM基于环境感知的结果和Agent的目标，生成Agent的行动计划。3）行为生成：LLM将行动计划转化为具体的Agent行为。4）评估：评估Agent行为的有效性和合理性。

关键创新：本文的关键创新在于对LLM赋能的ABMS领域进行了全面的综述，并系统地分析了该领域面临的挑战和机遇。该综述涵盖了网络、物理、社会和混合等多个应用领域，为研究人员提供了一个有价值的参考框架。

关键设计：由于是综述文章，没有具体的技术细节。但文章讨论了LLM在ABMS中的一些关键设计考虑因素，例如如何有效地将LLM与传统的ABMS框架集成，如何确保Agent的行为与人类价值观对齐，以及如何评估LLM赋能的Agent的性能。

📊 实验亮点

本文对LLM在ABMS中的应用进行了全面的综述，涵盖了多个应用领域，并指出了该领域面临的挑战和未来方向。该综述为研究人员提供了一个有价值的参考框架，并促进了该领域的进一步发展。具体性能数据和提升幅度取决于被综述的各个具体研究。

🎯 应用场景

该研究具有广泛的应用前景，包括城市规划、交通管理、社会行为建模、应急响应、网络安全等领域。通过构建更智能、更逼真的Agent，可以更好地理解复杂系统的动态行为，并为决策提供支持。未来，LLM赋能的ABMS有望成为一种重要的决策支持工具。

📄 摘要（原文）

Agent-based modeling and simulation has evolved as a powerful tool for modeling complex systems, offering insights into emergent behaviors and interactions among diverse agents. Integrating large language models into agent-based modeling and simulation presents a promising avenue for enhancing simulation capabilities. This paper surveys the landscape of utilizing large language models in agent-based modeling and simulation, examining their challenges and promising future directions. In this survey, since this is an interdisciplinary field, we first introduce the background of agent-based modeling and simulation and large language model-empowered agents. We then discuss the motivation for applying large language models to agent-based simulation and systematically analyze the challenges in environment perception, human alignment, action generation, and evaluation. Most importantly, we provide a comprehensive overview of the recent works of large language model-empowered agent-based modeling and simulation in multiple scenarios, which can be divided into four domains: cyber, physical, social, and hybrid, covering simulation of both real-world and virtual environments. Finally, since this area is new and quickly evolving, we discuss the open problems and promising future directions.