English(EN) Model Capacity Frontier: A Development Framework for LLM-Supported Social Simulation

新框架评估基于LLM的社会模拟模型容量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 19:45

研究人员引入了模型容量前沿（MCF）框架，旨在评估大型语言模型（LLM）支持的基于代理的模型（ABM）的实证性能。MCF通过估计的帕累托前沿来表征各种配置下的可实现性能。该框架通过一个约12,000个代理的大学毕业典礼人群模拟进行了演示，将传统的拥挤模型与连续的LLM支持的架构扩展进行了比较。研究表明，初步的LLM集成改善了流动方向，但对时间占用和空间分布产生了负面影响，而后续的改进则增强了时间占用并恢复了空间性能。 AI

影响提供了一个系统开发和评估基于LLM的基于代理模型的框架，指导架构改进以获得更好的实证保真度。

排序理由该集群包含一篇详细介绍LLM支持的社会模拟新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.MA (Multiagent) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM支持的社会模拟新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 5 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.MA (Multiagent) TIER_1 English(EN) · Hirokazu Shirado · 2026-10-16 19:45

模型能力前沿：LLM支持的社会模拟开发框架

Large language model (LLM) agents are increasingly incorporated into agent-based models (ABMs) on the premise that richer, context-sensitive human behavior can improve empirical fidelity. However, LLM-supported ABMs introduce an open-ended design space in which subtle modeling an…

本文如何被排名

报道来源 [1]

模型能力前沿：LLM支持的社会模拟开发框架

相关实体

相关话题