GenSim: A General Social Simulation Platform with Large Language Model based Agents

📄 arXiv: 2410.04360v3 📥 PDF

作者: Jiakai Tang, Heyang Gao, Xuchen Pan, Lei Wang, Haoran Tan, Dawei Gao, Yushuo Chen, Xu Chen, Yankai Lin, Yaliang Li, Bolin Ding, Jingren Zhou, Jun Wang, Ji-Rong Wen

分类: cs.MA, cs.AI

发布日期: 2024-10-06 (更新: 2025-07-04)

备注: NAACL 2025 Demo Track

💡 一句话要点

GenSim：基于LLM Agent的大规模通用社会模拟平台，具备纠错机制

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

关键词: 社会模拟 大型语言模型 LLM Agent 通用平台 错误纠正

📋 核心要点

  1. 现有基于LLM的社会模拟方法通常局限于小规模场景，且缺乏应对模拟过程中错误的有效机制。
  2. GenSim平台通过抽象通用函数、支持大规模Agent和集成纠错机制，旨在构建更通用、可靠的社会模拟环境。
  3. 实验评估了GenSim平台在大规模Agent模拟中的效率以及纠错机制的有效性，验证了其可行性。

📝 摘要（中文）

随着大型语言模型（LLMs）的快速发展，近年来涌现出许多利用基于LLM的Agent来模拟人类社会行为的研究。虽然先前的工作已经证明了LLM Agent在各个领域中的巨大潜力，但它们大多集中在涉及有限数量Agent的特定场景中，并且缺乏在模拟过程中发生错误时的适应能力。为了克服这些限制，我们提出了一种新颖的基于LLM Agent的模拟平台，名为GenSim。GenSim：（1）抽象出一组通用函数，以简化定制社会场景的模拟；（2）支持十万个Agent，以更好地模拟现实世界中的大规模人群；（3）结合了纠错机制，以确保更可靠和长期的模拟。为了评估我们的平台，我们评估了大规模Agent模拟的效率和纠错机制的有效性。据我们所知，GenSim代表了朝着基于LLM Agent的通用、大规模和可纠错的社会模拟平台的初步尝试，有望进一步推动社会科学领域的发展。

🔬 方法详解

问题定义：现有基于LLM的社会模拟研究通常集中于特定场景，Agent数量有限，难以模拟真实世界的大规模社会互动。此外，现有方法缺乏有效的错误处理机制，导致模拟过程容易因Agent行为异常而中断，无法进行长期可靠的模拟。

核心思路：GenSim的核心思路是构建一个通用的、可扩展的、具备纠错能力的社会模拟平台。通过抽象通用函数，简化定制场景的流程；通过支持大规模Agent，模拟真实社会人口；通过集成纠错机制，保证模拟的可靠性和长期性。

技术框架：GenSim平台包含三个主要组成部分：通用函数抽象层、大规模Agent管理模块和错误纠正模块。通用函数抽象层提供了一系列预定义的函数，用于简化社会场景的创建和配置。大规模Agent管理模块负责高效地管理和调度大量的LLM Agent。错误纠正模块则监控Agent的行为，并在检测到错误时采取相应的纠正措施，例如重置Agent状态或调整Agent的行为策略。

关键创新：GenSim的关键创新在于其通用性、可扩展性和纠错能力。与以往专注于特定场景的模拟平台不同，GenSim旨在提供一个通用的框架，可以用于模拟各种不同的社会场景。此外，GenSim支持大规模Agent模拟，使其能够更好地模拟真实世界中的社会互动。最重要的是，GenSim集成了错误纠正机制，这使得它能够进行更可靠和长期的模拟。

关键设计：GenSim的错误纠正机制是其关键设计之一。该机制通过监控Agent的行为，例如Agent的对话内容、行动选择等，来检测错误。当检测到错误时，GenSim会采取相应的纠正措施。具体的纠正措施包括：重置Agent的状态，使其回到之前的状态；调整Agent的行为策略，使其更加符合预期；或者引入外部干预，例如人工干预或规则干预。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文评估了GenSim平台在大规模Agent模拟中的效率和纠错机制的有效性。实验结果表明，GenSim能够高效地管理和调度十万个Agent，并且其纠错机制能够有效地减少模拟过程中的错误。具体性能数据未知，但平台展示了在大规模社会模拟方面的潜力。

🎯 应用场景

GenSim平台可应用于社会科学研究、政策制定、危机管理等领域。例如，研究人员可以使用GenSim来模拟不同政策对社会的影响，政府可以使用GenSim来预测危机事件的演变，企业可以使用GenSim来了解消费者行为。该平台有望为社会科学研究提供新的工具和方法，并为政策制定和危机管理提供更科学的依据。

📄 摘要（原文）

With the rapid advancement of large language models (LLMs), recent years have witnessed many promising studies on leveraging LLM-based agents to simulate human social behavior. While prior work has demonstrated significant potential across various domains, much of it has focused on specific scenarios involving a limited number of agents and has lacked the ability to adapt when errors occur during simulation. To overcome these limitations, we propose a novel LLM-agent-based simulation platform called \textit{GenSim}, which: (1) \textbf{Abstracts a set of general functions} to simplify the simulation of customized social scenarios; (2) \textbf{Supports one hundred thousand agents} to better simulate large-scale populations in real-world contexts; (3) \textbf{Incorporates error-correction mechanisms} to ensure more reliable and long-term simulations. To evaluate our platform, we assess both the efficiency of large-scale agent simulations and the effectiveness of the error-correction mechanisms. To our knowledge, GenSim represents an initial step toward a general, large-scale, and correctable social simulation platform based on LLM agents, promising to further advance the field of social science.