SocioVerse: Un Modello di Mondo per la Simulazione Sociale Alimentato da Agenti LLM e un Bacino di 10 Milioni di Utenti del Mondo Reale

SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users

April 14, 2025

Autori: Xinnong Zhang, Jiayu Lin, Xinyi Mou, Shiyue Yang, Xiawei Liu, Libo Sun, Hanjia Lyu, Yihang Yang, Weihong Qi, Yue Chen, Guanying Li, Ling Yan, Yao Hu, Siming Chen, Yu Wang, Jingxuan Huang, Jiebo Luo, Shiping Tang, Libo Wu, Baohua Zhou, Zhongyu Wei

cs.AI

Abstract

La simulazione sociale sta trasformando la ricerca tradizionale nelle scienze sociali modellando il comportamento umano attraverso interazioni tra individui virtuali e i loro ambienti. Con i recenti progressi nei modelli linguistici di grandi dimensioni (LLM), questo approccio ha dimostrato un potenziale crescente nel catturare le differenze individuali e nel prevedere i comportamenti di gruppo. Tuttavia, i metodi esistenti affrontano sfide di allineamento relative all'ambiente, agli utenti target, ai meccanismi di interazione e ai modelli comportamentali. A tal fine, introduciamo SocioVerse, un modello di mondo guidato da agenti LLM per la simulazione sociale. Il nostro framework include quattro potenti componenti di allineamento e un pool di utenti composto da 10 milioni di individui reali. Per validarne l'efficacia, abbiamo condotto esperimenti di simulazione su larga scala in tre domini distinti: politica, notizie ed economia. I risultati dimostrano che SocioVerse può riflettere le dinamiche di popolazione su larga scala garantendo diversità, credibilità e rappresentatività attraverso procedure standardizzate e minimi aggiustamenti manuali.

English

Social simulation is transforming traditional social science research by modeling human behavior through interactions between virtual individuals and their environments. With recent advances in large language models (LLMs), this approach has shown growing potential in capturing individual differences and predicting group behaviors. However, existing methods face alignment challenges related to the environment, target users, interaction mechanisms, and behavioral patterns. To this end, we introduce SocioVerse, an LLM-agent-driven world model for social simulation. Our framework features four powerful alignment components and a user pool of 10 million real individuals. To validate its effectiveness, we conducted large-scale simulation experiments across three distinct domains: politics, news, and economics. Results demonstrate that SocioVerse can reflect large-scale population dynamics while ensuring diversity, credibility, and representativeness through standardized procedures and minimal manual adjustments.