agent-based model in biology
PulseAugur coverage of agent-based model in biology — every cluster mentioning agent-based model in biology across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的混合模型整合了基于代理和流行病学方法以应对大流行病
研究人员开发了ABM-SIRTEM，一种结合了基于代理建模和流行病学方法来研究大流行病应对的新型混合模型。该模型考虑了个体异质性、经济生产力和干预措施的依从性，解决了先前模型过度简化个体行为或计算量过大的局限性。该框架使用来自美国四个州的COVID-19数据进行校准，以分析依从性动态并为大流行病应对规划提供信息。
-
论文批评LLM在社会模拟中的应用，指出有效性差距
一篇新论文批判性地审视了大型语言模型（LLM）在社会模拟中的整合，强调了重大的方法论和认识论挑战。研究确定了一个“微观到宏观有效性差距”，其中LLM的局限性，如幻觉和偏见，可能在多主体社会中传播为系统性风险。虽然LLM在严肃游戏和探索性建模等特定应用中显示出价值，但该论文警告不要将其用于精确的社会预测，并强调需要具有稳健评估框架的混合架构来进行确认性研究。
-
大型语言模型在疾病建模系统性文献综述中展现出潜力
一项新研究探讨了在疾病传播建模领域使用大型语言模型（LLMs）进行系统性文献综述（SLRs）的用途。研究人员开发了一个LLM流程，从536篇基于代理的模型论文中提取信息，并将其性能与人工进行的SLR进行了比较。研究发现，GPT-4.1在论文级别上的准确率约为77.95%，而GPT-5.0达到了81.67%，字段级别的准确率差异很大。值得注意的是，LLMs之间的一致性被确定为输出质量的潜在指标，低一致性表明存在幻觉，而低准确率但高一致性…
-
大型语言模型驱动的框架模拟疫苗意见动态
研究人员开发了一个新框架，将大型语言模型（LLM）集成到基于智能体的建模中，以模拟复杂的社会现象。该框架以疫苗意见动态为例进行了演示，利用 Qwen3_8B LLM 来模拟具有不同个人资料和社交网络的智能体。该研究探讨了不同认知模块（如记忆和提示多样性）对涌现意见和社会影响的影响，验证了该框架重现观察到的非线性行为的能力。
-
基于代理的模型显示，医生间的远程医疗可促进健康
一项基于代理的建模研究调查了远程医疗对医疗服务的影响，区分了医生对医生和医生对患者的互动。研究发现，用于医生间会诊的远程医疗可以改善患者的健康结果，而不会增加系统利用率，尤其是在复杂病例方面。相反，直接的医生对患者的远程医疗导致成本和利用率增加，但临床结果没有相应改善，这表明其更大的成本效益在于增强全科医生对专家的知识获取。
-
Epi-LLM 框架使用 LLM 模拟流行病行为反应
研究人员开发了 Epi-LLM 框架，该框架将基于主体的建模与大型语言模型 (LLM) 相结合，以模拟流行病期间的人类行为。该框架使用合成 LLM 代理来模拟社会对疫情爆发的反应，发现 LLM 代理降低了感染高峰并实现了显著的隔离依从性。研究还揭示了 LLM 架构会影响流行病动力学，低方差模型为行为规则测试提供了更好的内部有效性，而高方差模型则能更好地代表现实世界的决策。