Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives
本文属于LLM系列文章，基于《Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives》的转译。
基于Agent的大型语言模型建模与仿真研究综述与展望
- 摘要
- 1 引言
- 2 背景
- 3 LLM在基于agent的建模与仿真中的核心能力
- 4 LLM基于agent的建模与仿真所面临的主要挑战及应对路径
- 5 基于LLM的agent建模与仿真的研究进展
- 6 开放问题及其未来研究方向
- 7 结论
摘要
基于Agent的建模和仿真已逐渐演变为复杂系统建模的核心技术，为不同智能体之间的紧急行为和交互提供了深刻的见解。在基于代理的建模和仿真框架中集成大型语言模型，为增强仿真能力提供了一种极具潜力的解决方案。本文旨在综述基于代理的建模和仿真中应用大型语言模型的前景，同时深入探讨其面临的挑战与未来发展方向。在本研究中，由于涉及跨学科领域，我们首先系统性地介绍了基于agent的建模和仿真理论，以及大型语言模型在智能体应用中的背景知识。随后，我们探讨了将大型语言模型应用于基于代理的模拟系统所蕴含的动机，并从环境感知、人类协调、动作生成和评估等多个维度系统地分析了相关技术的挑战。特别值得注意的是，我们对最近在多个应用场景中基于大型语言模型的代理建模和仿真的研究进行了全面综述，这些工作可以划分为网络、物理、社交和混合四大领域，涵盖了真实世界环境与虚拟仿真环境的广泛应用。鉴于该研究领域正处在一个新兴且快速发展的阶段，我们深入探讨了尚未解决的关键问题，并展望了未来具有潜力的发展方向。
1 引言
2 背景
3 LLM在基于agent的建模和仿真中的关键能力
4 LLM基于agent的建模与仿真面临的挑战与途径
5 基于LLM agent的建模与仿真研究进展
6 开放问题和未来的方向
7 结论
基于智能体的建模与仿真是复杂系统建模的重要方法之一。最近，大型语言模型（LLM）的突破性进展，为智能体建模和仿真的范式提供了新的视角，传统的基于简单规则或有限智能神经模型的驱动方式已无法满足现代智能体构建的需求。在本文中，我们首先系统地介绍了基于代理的大型语言模型建模与仿真方法。我们深入探讨了LLM代理在基于代理的建模与仿真中所必需的关键原因，同时详细阐述了如何应对这些挑战。随后，我们对网络、物理、社会及混合领域中的相关研究进行了全面综述，重点描述了仿真环境的设计、授权代理的大规模语言模型构建过程，以及基于代理仿真环境下具体可观察和实现的内容。最后，鉴于当前研究的局限性和这一新兴领域的快速发展态势，我们深入分析了存在的主要问题，并提出了具有指导意义的研究方向，以期为后续研究工作提供新的思路和方向。