大模型智能体如何做仿真建模？清华发布最新长文综述

原文来源：新智元

图片来源：由无界 AI生成

将LLM应用于基于智能体的仿真的动机是什么? 在环境感知、人类协调、行为生成和评估中的挑战有哪些?一文为你讲清。

基于智能体的建模与仿真已发展成为模拟复杂系统的强大工具，提供了对涌现行为和多样智能体之间互动的洞见。

将大语言模型整合到基于智能体的建模和仿真中，为增强仿真能力提供了有希望的途径。

本文调研了在基于智能体的建模与仿真中利用大语言模型的领域格局，考察了它们的挑战和有希望的未来方向。

论文地址：https://arxiv.org/abs/2312.11970

在这项综述中，由于这是一个跨学科领域，我们首先介绍基于智能体的建模与仿真以及大语言模型赋能智能体的背景。

然后，我们讨论将大语言模型应用于基于智能体的仿真的动机，并系统分析在环境感知、人类协调、行为生成和评估中的挑战。

最重要的是，我们提供了大语言模型赋能的基于智能体的建模与仿真在多种场景下的最新工作综述，这些场景可分为四个领域：网络、物理、社会和混合，涵盖了现实世界和虚拟环境的仿真。

最后，由于这个领域是新的且快速发展的，我们讨论了开放性问题和有希望的未来方向。

仿真作为一种计算工具，涵盖了通过使用数学公式、算法或计算机生成的表示来模拟现实世界过程或系统，以模仿其行为或特征。

基于智能体的建模与仿真专注于通过模拟个体智能体及其在环境中的相互作用来模拟复杂系统。

它通过赋予这些智能体特定的行为、属性和决策能力来运作，使我们能够检查由智能体相互作用和环境动态产生的涌现现象。

仿真的重要性跨越多个领域，是理解、分析和预测实际生活中可能难以或无法直接观察的复杂现象的宝贵工具。

它促进了实验、假设测试和情景分析，提供了在不同条件下系统行为的洞见，并在经济学、生物学、社会学和生态学等领域的决策过程中提供帮助。

获得和使用语言的能力是区分人类和其他生物的关键方面。大语言模型（LLMs）的出现是机器学习中的一个最新里程碑，展示了在自然语言处理任务和文本生成方面的巨大能力。

利用它们强大的能力，LLMs在通过更细腻和现实的方式表示智能体的决策过程、沟通和适应模拟环境方面显示出了提升基于智能体仿真的前景。

将LLMs整合到基于智能体的建模和仿真中，有潜力丰富仿真的真实性和复杂性，可能会深入洞察系统行为和涌现现象的原因如下：

首先，LLM 智能体可以根据环境做出自适应反应并执行任务，而无需预定义的明确指令。其次，LLM 智能体具有很强的智能，可以像人一样做出反应，甚至主动采取具有自导向的规划和调度的行动。

LLM智能体的行动空间既不局限于文本，对于文本，工具用法和内部行动模块允许代理采取各种行动。

最后，LLM智能体可以与人类或其他智能体进行互动和交流。

凭借以上三点优势，LLM智能体已被广泛接受使用。

从这个角度看，LLM智能体显然可以作为一种新的模拟范例，赋予代理以人类水平的智能。

由于LLM智能体的巨大潜力，近来这一领域的研究工作呈现出蓬勃发展的态势。

然而，迄今为止，还没有一份综述能系统地总结相关工作、讨论尚未解决的问题，并为重要的研究方向提供一瞥。

在本综述中，我们分析了为什么大语言模型在仿真的基本问题中至关重要，尤其是对于基于智能体的仿真而言。

在讨论了如何在这一新范式中设计智能体之后，我们仔细而广泛地讨论并介绍了各个领域的现有著作，其中大部分是近期发表的。

本综述的贡献可归纳如下。

- 我们首先回顾了基于大语言模型的智能体建模与仿真的现有著作。

与现有方法相比，我们系统地分析了为什么大型语言模型可以作为基于智能体建模与仿真的先进解决方案。

具体而言，我们首先从自主性、社会能力、反应性和主动性四个方面广泛阐述了基于智能体的建模与仿真对智能体能力的要求。

然后，我们分析了大型语言模型如何应对这些挑战，包括感知、推理和决策、适应性和异质性。

- 我们将基于智能体的建模与仿真分为物理、网络、社会和混合四个领域。