穷人的代理建模：在笔记本电脑上模拟大型法学硕士代理社团

摘要

arXiv:2608.11215v1 Announce Type: new Abstract: Simulating societies of many large language model (LLM) agents is expensive, yet the questions asked of such simulations are usually macroscopic: phase ...

the and LLM agent with few model agents simulations are

2026-08-13 1 阅读约1分钟阅读 Igor Itkin

arXiv:2608.11215v1 公告类型：新摘要：模拟许多大型语言模型（LLM）智能体的社会成本很高，但此类模拟提出的问题通常是宏观的：相行为、程式化事实以及智能体数量 $N$ 的缩放，而不是任何单个智能体的认知。我们将统计物理观察转化为一种方法：用一个低参数模型替换每个 LLM 代理，该模型适合几百到几千个廉价查询，然后在笔记本电脑上以任意 $N$ 运行该协会。这是否有效取决于模拟运行之前，主要取决于每个智能体的感知。我们引入了一种[交互顺序 x 记忆]分类法，将感知和记忆映射到有效的理论和替代误差的预测 $N$ 趋势。我们通过忠实地重新实现 LLM 宏观经济 EconAgent 和七个进一步命名的 LLM 模拟来验证它，其中代理决策是从真正的 LLM 启发（主要是 DeepSeek）中克隆出来的，只需花费几美元；预测的误差趋势逐个单元地保持，并且两个被反驳的预测，无论是关于强饱和响应还是追溯到其曲率，本身都与没有自由参数的理论定量匹配。

订阅66必读