智能体
全球精选 ·
@Patrick Taillandier, Jean Daniel Zucker, Arnaud Grignard, Benoit Gaudou, Nghi Quang Huynh, Haojia Kong, Alexis Drogoul
从流畅性谬误到微观—宏观效度差距:LLM 用于社会模拟的机遇与陷阱
arXiv 论文(2507.19364v3)从计算社会科学视角批判性审视将 LLM 作为模拟智能体认知或决策组件的做法,梳理从小型叙事沙盒到人口规模、空间结构化模拟的平台谱系,并提出统一的“微观—宏观效度差距”分析框架:幻觉、随机不一致等微观层面局限在多智能体社会尺度下会传播并放大为系统性脆弱性。
AI推荐理由 arXiv 论文从计算社会科学视角批判性审视 LLM 用于社会模拟,提出“微观到宏观效度差距”框架,指出幻觉、随机不一致等微观局限在多智能体社会尺度下会放大为系统性风险,对 LLM Agent 仿真研究有方法论价值;属学术预印本,结论为批判性分析而非实证突破。
72
正文
当前仅保存了标题或简介;并非所有来源都提供正文,可通过下方原文链接查看。
来源报道 · 2 篇 · 以下链接均前往原始媒体
Patrick Taillandier, Jean Daniel Zucker, Arnaud Grignard, Benoit Gaudou, Nghi Quang Huynh, Haojia Kong, Alexis Drogoul
从流畅性谬误到微观—宏观效度差距:LLM 用于社会模拟的机遇与陷阱
10-12 · 原文发布