arXiv · cs.AI· Patrick Taillandier, Jean Daniel Zucker, Arnaud Grignard, Benoit Gaudou, Nghi Quang Huynh, Haojia Kong, Alexis Drogoul·· 5 小时前
大语言模型社会模拟：从流畅性谬误到微观—宏观效度鸿沟的机会与陷阱
From the Fluency Fallacy to the Micro-to-Macro Validity Gap: Opportunities and Pitfalls of LLMs in Social Simulation
arXiv:2507.19364v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Patrick Taillandier, Jean Daniel Zucker, Arnaud Grignard, Benoit Gaudou, Nghi Quang Huynh, Haojia Kong, Alexis Drogoul
研究任务与主要进展
基于论文摘要，作者综述LLM作为社会模拟代理的认知与决策组件，提出“流畅性谬误”“自动化偏见”和“微观—宏观效度鸿沟”等方法论风险，指出个体层面的局限可能在群体层面放大为人工共识、行为同质化或人格趋同。作者区分了严肃游戏、参与式环境和探索性建模等潜在用途与未受约束模型下的确证性研究、精确社会预测，并分析理论驱动的LLM-ABM混合架构及其多层效度评估要求。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org