GPLab: A Generative Agent-Based Framework for Policy Simulation and Evaluation

doi:10.18564/jasss.5933

GPLab: A Generative Agent-Based Framework for Policy Simulation and Evaluation

2026-01-31

0

PRE

AI

DOI：10.18564/jasss.5933

原文链接

原文求助

摘要

En 中文

现实社会政策问题普遍涉及跨领域、多因素互动的复杂动态，给事前政策模拟和影响评估带来重大挑战。传统统计建模方法往往难以充分捕捉个体行为异质性和系统级动态传播效应，而常规的基于代理的建模（ABM）过度依赖人工设定的行为规则，限制了其适应真实决策过程和多样化政策情境的能力。为应对这一挑战，我们提出GPLab（生成式政策实验室），一个整合生成式大型语言模型（LLM）的通用政策模拟与评估框架。通过利用具有有限理性的LLM代理，GPLab模拟社会个体的认知与行为，克服了规则式ABM在政策语义理解和情境适应方面的关键局限。此外，其模块化架构明确表征相互关联的社会子系统，使异质代理能够在多领域动态交互并产生情境化的行为响应。在两个代表性政策评估案例中，我们成功捕捉了政策强度依赖效应、群体行为异质性和情绪意见演化模式。形式一致性指标进一步证实了代理行为的稳定性和个体特质在整个模拟中的连贯性。扩展实验表明，该框架在五个政策场景中实现了高理性评分，验证了其跨领域迁移能力。本研究提出了一种情境无关的政策模拟平台，显著推动了计算社会科学在公共决策支持中的应用。代码地址：https://github.com/SmartLegislation/GPLab

Keyword:

Large Language Models

Generative Agent-Based Modeling

Policy Simulation

Complex Social Systems

Computational Social Science

GPLab: A Generative Agent-Based Framework for Policy Simulation and Evaluation

摘要

期刊

机构

引用论文