Model Capacity Frontier

新框架评估基于LLM的社会模拟模型容量

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。